Forskarna använde data från smartphones och Fitbit-armband för att avgöra när människor var höga med 85% noggrannhet.
Cannabisanvändning fastställs traditionellt via urin-, saliv- och hårstråtester. Dessa metoder kräver dock laboratorieanalys, och omedelbar cannabisanvändning kanske inte syns omedelbart i vissa tester.
Sang Won Bae och hennes team från Stevens Institute of Technology, New Jersey, hade som mål att påskynda processen för att fastställa farliga förgiftningsnivåer.
I sina studierapporterade 33 frekventa cannabisanvändare sin dagliga konsumtion under en period på 30 dagar.
Under hela tiden bar deltagarna aktivitetsmätare - nämligen Fibits - som registrerade mätvärden som hjärtfrekvens, antal steg och sömnmönster.
Samtidigt övervakade telefonsensorer deras mikrorörelser, till exempel hur de hanterade telefonen, för att utvärdera koordination och stabilitet.
Efter att ha samlat in preliminära deltagardata tränade teamet maskininlärningsmodellen för att känna igen potentiella tecken på cannabisanvändning.
När den tränade modellen testades på det återstående datasetet uppnådde den en träffsäkerhet på 85% när det gällde att identifiera personer som hade konsumerat cannabis under de föregående 5 minuterna.
Bärbara produkter som Fitbits samlar in enorma mängder data från sina användare, men att använda dem för att förutsäga om någon är hög skulle vara oerhört kontroversiellt.
När det gäller AI:ns noggrannhet nämner Chung att den är beroende av deltagarnas självrapportering, vilket hindrar dess verkliga användningsområden.
Hur studien fungerade
- Målsättning: Forskarna ville ta reda på om en kombination av smartphonesensorer och en Fitbit exakt kunde upptäcka episoder av akut marijuanaförgiftning i realtid.
- Metodik: Under 30 dagar rapporterade 33 unga vuxna sin marijuanakonsumtion och tillhörande känslor av berusning. De registrerade sina subjektiva känslor inom 15 minuter efter att ha använt marijuana och för tre semi-slumpmässiga dagliga uppmaningar.
- Variabler som mäts: Deltagarna bedömde sin berusning på en skala: "inte berusad" (poäng = 0), "låg berusning" (poäng = 1-3) och "måttlig till hög berusning" (poäng = 4-10). Sensorer i smartphones och Fitbit mätte faktorer som hjärtfrekvens, mikrorörelser och större rörelser som bestämdes av GPS (så kallade makrorörelser eller gyrationsradie) samt energinivåer för buller i den omedelbara omgivningen.
- Resultat: Genom att modellera data med klassificeringsverktyget EXtreme Gradient Boosting Machine (XGBoost) kunde forskarna upptäcka om personer hade konsumerat cannabis under de senaste fem minuterna med en noggrannhet på 85%.
Övervakning av människor genom deras wearables för att avgöra potentiellt cannabisbruk - det är ett sätt att öka deras paranoia nivåer.
