Neues Modell Policy4OOD simuliert Opioid-Politik und verbessert Prognosen

Die Opioid‑Epidemie bleibt eine der gravierendsten Gesundheitskrisen in den USA. Doch die Bewertung von Politikmaßnahmen vor ihrer Umsetzung gestaltet sich schwierig, weil mehrere Maßnahmen in einem dynamischen System miteinander interagieren. Ein effektiver Ansatz erfordert daher drei Kernfähigkeiten: die Prognose zukünftiger Ergebnisse unter bestehenden Politiken, das kontrafaktische Denken über alternative Entscheidungen in der Vergangenheit und die Optimierung möglicher Interventionen. Das neue Modell Policy4OOD verbindet diese Aufgaben in einem einzigen Weltmodell.

Policy4OOD ist ein wissensgesteuertes, räumlich‑zeitliches Modell, das Policy‑Wissensgraphen, staatliche räumliche Abhängigkeiten und sozioökonomische Zeitreihen in einen policy‑basierten Transformer einbettet. Nach dem Training kann das Modell als Simulator fungieren: Eine Vorhersage erfordert lediglich einen Forward‑Pass, kontrafaktische Analysen ersetzen alternative Policy‑Encodings in der historischen Sequenz, und die Optimierung von Interventionen wird durch Monte‑Carlo‑Tree‑Search über den gelernten Simulator realisiert.

Zur Unterstützung des Frameworks wurde ein monatliches Datensatz auf staatlicher Ebene für 2019 bis 2024 erstellt, der Opioid‑Todesfälle, sozioökonomische Indikatoren und strukturierte Policy‑Encodings kombiniert. Experimente zeigen, dass die Berücksichtigung räumlicher Abhängigkeiten und strukturierter Policy‑Wissensgraphen die Prognosegenauigkeit signifikant steigert und damit die Grundlage für evidenzbasierte Entscheidungen gegen die Opioid‑Überdosierung stärkt.