یادگیری ماشینی اختلال سلوک را در کودکان پیش بینی می کند

اختلال سلوک (CD) یک اختلال روانپزشکی رایج و در عین حال پیچیده است که دارای رفتارهای پرخاشگرانه و مخرب است. عوامل مؤثر در توسعه CD دامنه های بیولوژیکی، روانی و اجتماعی را در بر می گیرد. محققان تعداد بی‌شماری از عوامل خطر را شناسایی کرده‌اند که می‌توانند به پیش‌بینی CD کمک کنند، اما آنها اغلب به‌صورت مجزا در نظر گرفته می‌شوند. اکنون، یک مطالعه جدید برای اولین بار از رویکرد یادگیری ماشینی برای ارزیابی عوامل خطر در هر سه حوزه در ترکیب و پیش‌بینی توسعه بعدی CD با دقت بالا استفاده می‌کند
محققان از داده های پایه بیش از ۲۳۰۰ کودک ۹ تا ۱۰ ساله استفاده کردند که در مطالعه رشد شناختی مغز نوجوانان (ABCD) ثبت نام کرده بودند. محققان مدل یادگیری ماشینی خود را با استفاده از عوامل خطر شناسایی شده قبلی در حوزه‌های مختلف زیستی-روانی اجتماعی «آموزش دادند». به عنوان مثال، اقدامات شامل تصویربرداری مغز (بیولوژیکی)، توانایی های شناختی (روانی) و ویژگی های خانوادگی (اجتماعی) بود. این مدل به درستی توسعه CD را دو سال بعد با بیش از ۹۰ درصد دقت پیش‌بینی کرد.
توانایی پیش‌بینی دقیق اینکه چه کسی ممکن است CD را ایجاد کند، به محققان و کارکنان مراقبت‌های بهداشتی در طراحی مداخلات برای جوانان در معرض خطر با پتانسیل برای به حداقل رساندن یا حتی جلوگیری از اثرات مضر CD بر کودکان و خانواده‌هایشان کمک می‌کند.
آریل باسکین گفت: یافته‌های مطالعه ما ارزش افزوده ترکیب عوامل عصبی، اجتماعی و روان‌شناختی را برای پیش‌بینی اختلال سلوک، که یک مشکل روانی سنگین در جوانان است، نشان می‌دهد. “این یافته‌ها نویدبخش توسعه رویکردهای شناسایی دقیق‌تر و مداخله‌ای است که عوامل متعددی را که به این اختلال کمک می‌کنند، در نظر می‌گیرند. آنها همچنین سودمندی استفاده از مجموعه داده‌های بزرگ و بدون دسترسی، مانند ABCD را برجسته می‌کنند، که معیارهای مربوط به افراد را در سطوح مختلف جمع‌آوری می‌کند.”