OPBench: Графовый бенчмарк для борьбы с опиоидным кризисом

OPBench: A Graph Benchmark to Combat the Opioid Crisis

February 16, 2026

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

cs.AI

Аннотация

Опиоидная эпидемия продолжает опустошать сообщества по всему миру, перегружая системы здравоохранения, разрушая семьи и требуя срочных вычислительных решений. Для борьбы с этим смертоносным кризисом методы графового обучения появились как перспективная парадигма для моделирования сложных наркотик-связанных явлений. Однако сохраняется значительный пробел: отсутствует всеобъемлющий бенчмарк для систематической оценки этих методов в реальных сценариях опиоидного кризиса. Чтобы заполнить этот пробел, мы представляем OPBench — первый комплексный опиоидный бенчмарк, включающий пять наборов данных по трем критически важным предметным областям: выявление передозировок опиоидами по данным медицинских страховых требований, обнаружение незаконного оборота наркотиков на цифровых платформах и прогнозирование злоупотребления наркотиками на основе пищевых паттернов. В частности, OPBench включает разнообразные графовые структуры, такие как гетерогенные графы и гиперграфы, чтобы сохранить богатую и сложную реляционную информацию в данных, связанных с наркотиками. Для решения проблемы нехватки данных мы сотрудничаем с предметными экспертами и авторитетными учреждениями для курирования и аннотирования наборов данных с соблюдением правил конфиденциальности и этических норм. Кроме того, мы создали унифицированную систему оценки со стандартизированными протоколами, предопределенными разбиениями данных и воспроизводимыми базовыми моделями для обеспечения честного и систематического сравнения методов графового обучения. В ходе обширных экспериментов мы анализируем сильные и слабые стороны существующих методов графового обучения, предоставляя тем самым практические рекомендации для будущих исследований по борьбе с опиоидным кризисом. Наш исходный код и наборы данных доступны по адресу 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.