OPBench: Um Benchmark de Grafos para Combater a Crise dos 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
Resumo
A epidemia de opioides continua a devastar comunidades em todo o mundo, sobrecarregando os sistemas de saúde, perturbando famílias e exigindo soluções computacionais urgentes. Para combater esta crise letal de opioides, os métodos de aprendizado em grafos surgiram como um paradigma promissor para modelar fenômenos complexos relacionados a drogas. No entanto, uma lacuna significativa permanece: não existe um benchmark abrangente para avaliar sistematicamente esses métodos em cenários reais da crise de opioides. Para preencher essa lacuna, apresentamos o OPBench, o primeiro benchmark abrangente de opioides, composto por cinco conjuntos de dados em três domínios de aplicação críticos: detecção de overdose de opioides a partir de registros de saúde, detecção de tráfico ilícito de drogas em plataformas digitais e previsão de uso indevido de drogas a partir de padrões alimentares. Especificamente, o OPBench incorpora diversas estruturas de grafos, incluindo grafos heterogêneos e hipergrafos, para preservar as informações relacionais ricas e complexas entre os dados relacionados a drogas. Para lidar com a escassez de dados, colaboramos com especialistas do domínio e instituições autorizadas para curar e anotar conjuntos de dados, respeitando as diretrizes de privacidade e ética. Além disso, estabelecemos uma estrutura de avaliação unificada com protocolos padronizados, divisões de dados predefinidas e linhas de base reproduzíveis para facilitar uma comparação justa e sistemática entre os métodos de aprendizado em grafos. Por meio de experimentos extensos, analisamos os pontos fortes e as limitações dos métodos existentes de aprendizado em grafos, fornecendo assim insights acionáveis para pesquisas futuras no combate à crise dos opioides. Nosso código-fonte e conjuntos de dados estão disponíveis em 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.