OPBench: 오피오이드 위기 대응을 위한 그래프 벤치마크

OPBench: A Graph Benchmark to Combat the Opioid Crisis

February 16, 2026

저자: Tianyi Ma, Yiyang Li, Yiyue Qian, Zheyuan Zhang, Zehong Wang, Chuxu Zhang, Yanfang Ye

cs.AI

초록

오피오이드 유행병은 전 세계 커뮤니티를 계속해서 황폐화시키며 의료 시스템에 부담을 주고, 가정을 파괴하며, 시급한 컴퓨팅 솔루션을 요구하고 있습니다. 이 치명적인 오피오이드 위기에 대응하기 위해 복잡한 약물 관련 현상을 모델링하는 유망한 패러다임으로 그래프 학습 방법이 부상했습니다. 그러나 중요한 격차가 남아 있습니다: 실제 오피오이드 위기 시나리오 전반에 걸쳐 이러한 방법들을 체계적으로 평가하기 위한 포괄적인 벤치마크가 부재합니다. 이 격차를 해소하기 위해 우리는 OPBench를 소개합니다. OPBench는 의료 청구 데이터 기반 오피오이드 과다 복용 탐지, 디지털 플랫폼 기반 불법 약물 밀매 탐지, 식이 패턴 기반 약물 오용 예측이라는 세 가지 중요한 응용 분야에 걸친 5개의 데이터셋으로 구성된 최초의 포괄적인 오피오이드 벤치마크입니다. 구체적으로, OPBench는 이종 그래프 및 하이퍼그래프를 포함한 다양한 그래프 구조를 통합하여 약물 관련 데이터 간의 풍부하고 복잡한 관계 정보를 보존합니다. 데이터 부족 문제를 해결하기 위해 우리는 도메인 전문가 및 권위 기관과 협력하여 개인정보 보호 및 윤리 가이드라인을 준수하면서 데이터셋을 정제하고 주석을 추가했습니다. 더 나아가, 그래프 학습 방법 간 공정하고 체계적인 비교를 용이하게 하기 위해 표준화된 프로토콜, 미리 정의된 데이터 분할, 재현 가능한 베이스라인을 갖춘 통합 평가 프레임워크를 구축했습니다. 광범위한 실험을 통해 우리는 기존 그래프 학습 방법의 강점과 한계를 분석함으로써 오피오이드 위기 대응을 위한 향후 연구에 실행 가능한 통찰을 제공합니다. 우리의 소스 코드와 데이터셋은 https://github.com/Tianyi-Billy-Ma/OPBench에서 이용할 수 있습니다.

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.