OPBench: un benchmark basato su grafi per contrastare la crisi degli oppioidi
OPBench: A Graph Benchmark to Combat the Opioid Crisis
February 16, 2026
Autori: Tianyi Ma, Yiyang Li, Yiyue Qian, Zheyuan Zhang, Zehong Wang, Chuxu Zhang, Yanfang Ye
cs.AI
Abstract
L'epidemia da oppioidi continua a devastare le comunità in tutto il mondo, mettendo a dura prova i sistemi sanitari, sconvolgendo le famiglie e richiedendo soluzioni computazionali urgenti. Per contrastare questa letale crisi degli oppioidi, i metodi di apprendimento su grafi sono emersi come un paradigma promettente per modellare fenomeni complessi legati alla droga. Tuttavia, rimane un divario significativo: non esiste un benchmark completo per valutare sistematicamente questi metodi in scenari reali della crisi degli oppioidi. Per colmare questa lacuna, presentiamo OPBench, il primo benchmark completo sugli oppioidi, comprendente cinque dataset relativi a tre domini applicativi critici: rilevamento di overdose da oppioidi da dati sanitari (healthcare claims), individuazione del traffico illecito di droga da piattaforme digitali e previsione dell'uso improprio di farmaci da modelli dietetici. Nello specifico, OPBench incorpora diverse strutture di grafo, inclusi grafi eterogenei e ipergrafi, per preservare le informazioni relazionali ricche e complesse tra i dati relativi ai farmaci. Per affrontare la scarsità di dati, collaboriamo con esperti di dominio e istituzioni autorevoli per curare e annotare i dataset, nel rispetto delle linee guida sulla privacy e sull'etica. Inoltre, stabiliamo un framework di valutazione unificato con protocolli standardizzati, suddivisioni predeterminate dei dati e baseline riproducibili per facilitare un confronto equo e sistematico tra i metodi di apprendimento su grafi. Attraverso esperimenti estensivi, analizziamo punti di forza e limiti dei metodi di apprendimento su grafi esistenti, fornendo così spunti operativi per la ricerca futura nella lotta alla crisi degli oppioidi. Il nostro codice sorgente e i dataset sono disponibili all'indirizzo 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.