OPBench: Un punto de referencia gráfico para combatir la crisis de los opioides
OPBench: A Graph Benchmark to Combat the Opioid Crisis
February 16, 2026
Autores: Tianyi Ma, Yiyang Li, Yiyue Qian, Zheyuan Zhang, Zehong Wang, Chuxu Zhang, Yanfang Ye
cs.AI
Resumen
La epidemia de opioides continúa devastando comunidades en todo el mundo, tensionando los sistemas sanitarios, desestructurando familias y demandando soluciones computacionales urgentes. Para combatir esta letal crisis de los opioides, los métodos de aprendizaje en grafos han surgido como un paradigma prometedor para modelar fenómenos complejos relacionados con las drogas. Sin embargo, persiste una brecha significativa: no existe un benchmark integral para evaluar sistemáticamente estos métodos en escenarios reales de la crisis de opioides. Para salvar esta brecha, presentamos OPBench, el primer benchmark integral de opioides que comprende cinco conjuntos de datos en tres dominios de aplicación críticos: detección de sobredosis por opioides a partir de registros sanitarios, detección de tráfico ilícito de drogas en plataformas digitales y predicción del uso indebido de drogas a partir de patrones dietéticos. Específicamente, OPBench incorpora diversas estructuras de grafos, incluyendo grafos heterogéneos e hipergrafos, para preservar la información relacional rica y compleja entre los datos relacionados con las drogas. Para abordar la escasez de datos, colaboramos con expertos en el dominio e instituciones autorizadas para curar y anotar los conjuntos de datos, cumpliendo con las directrices de privacidad y ética. Además, establecemos un marco de evaluación unificado con protocolos estandarizados, divisiones de datos predefinidas y líneas base reproducibles para facilitar una comparación justa y sistemática entre los métodos de aprendizaje en grafos. Mediante experimentos exhaustivos, analizamos las fortalezas y limitaciones de los métodos existentes de aprendizaje en grafos, proporcionando así perspectivas accionables para futuras investigaciones en la lucha contra la crisis de los opioides. Nuestro código fuente y conjuntos de datos están disponibles en https://github.com/Tianyi-Billy-Ma/OPBench.
English
The opioid epidemic continues to ravage communities worldwide, straining healthcare systems, disrupting families, and demanding urgent computational solutions. To combat this lethal opioid crisis, graph learning methods have emerged as a promising paradigm for modeling complex drug-related phenomena. However, a significant gap remains: there is no comprehensive benchmark for systematically evaluating these methods across real-world opioid crisis scenarios. To bridge this gap, we introduce OPBench, the first comprehensive opioid benchmark comprising five datasets across three critical application domains: opioid overdose detection from healthcare claims, illicit drug trafficking detection from digital platforms, and drug misuse prediction from dietary patterns. Specifically, OPBench incorporates diverse graph structures, including heterogeneous graphs and hypergraphs, to preserve the rich and complex relational information among drug-related data. To address data scarcity, we collaborate with domain experts and authoritative institutions to curate and annotate datasets while adhering to privacy and ethical guidelines. Furthermore, we establish a unified evaluation framework with standardized protocols, predefined data splits, and reproducible baselines to facilitate fair and systematic comparison among graph learning methods. Through extensive experiments, we analyze the strengths and limitations of existing graph learning methods, thereby providing actionable insights for future research in combating the opioid crisis. Our source code and datasets are available at https://github.com/Tianyi-Billy-Ma/OPBench.