Opbench：应对阿片类药物危机的图学习基准测试 OPBench: A Graph Benchmark to Combat the Opioid Crisis
首个阿片类药物危机图学习基准，涵盖5个数据集，系统评估图学习方法在真实场景中的表现。
前置知识
异构图（Heterogeneous Graph）
异构图是指具有多种类型节点和边的图，记为 Ghg = (V, E, X, A, R)，其中 A 是节点类型集合，R 是关系类型集合。与同构图中所有节点和边都相同不同，异构图通过区分不同类型的实体和它们之间的关系来捕捉更丰富的语义信息。例如在医疗场景中，患者、医生、药房、药物是不同类型的节点，而患者-取药-药房、医生-开药-药物等是不同类型的边。每个节点类型 a 属于 A 有其特征矩阵 Xa，这种结构能够更准确地建模现实世界中复杂的多类型交互系统。
本文构建的数据集（如 Pdmp-OD-Det 和 NHANES-Diet）本质上是异构图，需要理解如何定义不同类型的节点和边、如何设计元路径来捕捉语义关系，以及如何使用专门的异构图神经网络（如 HAN、HGT）来处理这种结构。不理解异构图的概念，就无法领会本文为什么拒绝简单的同构图投影。
超图（Hypergraph）
超图是普通图的推广，其边（称为超边）可以连接任意数量的节点。给定超图 H = (V, E, X)，其中 V 是节点集合，E 是超边集合，每个超边 e 属于 E 表示一个高阶交互，即每条超边连接的节点数大于等于二。这与普通图中的边只能连接两个节点形成鲜明对比。超图能够自然地建模多体协作、群体参与等复杂场景。例如，在社交网络中，一个超边可以表示参与同一个帖子的所有用户，另一个超边可以表示使用相同标签的所有用户。这种表示避免了将群体交互分解为成对交互时引入的信息损失。
本文的 X-HyDrug-Comm 和 X-HyDrug-Role 数据集使用超图结构来建模非法药物交易网络中的群体行为。用户之间的高阶协作关系（如共同参与对话、使用相同标签等）通过超边表示，这种结构对于理解社区检测和角色识别任务至关重要。不理解超图，就无法理解为什么在这个场景中超图方法优于普通图方法。
MME（Morphine Milligram Equivalent）
MME 是阿片类药物剂量标准化指标，将不同阿片类药物的剂量转换为吗啡等效毫克数。计算公式考虑了各种阿片类药物相对于吗啡的效力比率。例如，氢可酮的效力约为吗啡的 1.5 倍，因此 15 毫克氢可酮相当于约 22.5 MME。美国疾病控制与预防中心建议每日 MME 超过 90 毫克的患者面临高过量风险，这个阈值成为临床实践中的标准风险标识符。MME 提供了一个跨不同药物类型的统一衡量标准，使得医疗专业人员能够评估患者总体阿片类药物负担，而不管他们使用的是哪种具体药物。
本文使用 CDC 推荐的 90 MME/天阈值作为标签标准，将患者分类为高风险（阳性类）和低风险（阴性类）。理解 MME 的计算和临床意义有助于理解数据标注的合理性以及检测任务的实际应用价值。这个指标直接将模型输出与临床决策联系起来，对于评估模型的实际效用至关重要。
类别不平衡（Class Imbalance）
类别不平衡是指训练数据中不同类别的样本数量差异很大的情况。在阿片类药物危机场景中，高风险患者或非法药物交易者只占总体人群的很小比例，导致正负样本比例严重失衡。标准机器学习模型在处理不平衡数据时往往偏向多数类，导致少数类的召回率低下。解决方法包括数据层面的重采样（如过采样少数类、欠采样多数类）、算法层面的损失函数调整（如赋予少数类更高权重）以及合成少数类样本（如 SMOTE）。在图数据中，GraphSMOTE 通过在嵌入空间生成合成节点同时保留图拓扑结构来处理不平衡问题。
本文的实验观察 3 明确指出，处理类别不平衡带来的性能提升可能超过使用更复杂的 GNN 架构。X-MRDrug-Role 数据集体现了严重的类别不平衡，AD-GSMOTE 在该数据集上的显著优势（GMean 61.68% 对比 GCN 33.84%）充分说明了不平衡处理的重要性。理解这个概念对于理解本文的关键发现和实际应用意义至关重要。
元路径（Meta-path）
元路径是异构图上定义的路径类型，表示节点类型序列，如 A1 经过 R1 到 A2 经过 R2 等到 Al，其中 Ai 是节点类型，Ri 是关系类型。例如，在医疗网络中，元路径患者-药物-患者捕捉了患者之间的间接关系：他们可能使用相同药物，患者-药房-患者表示从同一药房取药的患者，患者-医生-患者表示由同一医生开药的患者。基于元路径的方法可以聚合不同语义邻居的特征，从而学习更丰富的节点表示。HAN 使用元路径来定义不同语义的邻居，并通过注意力机制自动学习不同元路径的重要性。
本文在构建异构图数据集时设计了多种元路径来捕捉不同的语义关系。例如，在 Pdmp-OD-Det 数据集中，元路径包括患者-药物-患者、患者-药房-患者和患者-医生-患者。这些元路径构成了 HAN 等异构图神经网络的基础，不理解元路径就无法理解这些方法是如何工作的。
研究动机
现有方法在应对阿片类药物危机时面临三个关键挑战。首先，阿片类药物危机是一个多维度问题，跨越药物生态系统的供应和需求两侧。在供应侧，医疗系统中的阿片类药物过度处方将患者置于成瘾和致命过量的风险中，2023 年美国有近 105,000 人死于阿片类药物过量，比 1999 年增加了十倍。非法药物贩运者越来越多地利用数字平台逃避检测并直接接触消费者。在需求侧，易受物质依赖影响的个体往往在成瘾形成后才被识别，特别是在自我用药场景中，个体可能没有意识到自己的滥用行为。其次，真实世界的药物相关数据表现出结构复杂性，包含异构和高阶交互，简单的同构图可能无法充分建模。例如，在社交网络中，非法药物贩运活动通常涉及多个用户之间的群体交互，这些用户扮演着卖方、买方和讨论者等不同角色。最后，由于隐私法规和领域专业知识在标注中的需求，公开可用的标注数据集仍然稀缺。药物相关数据的标注特别耗时费力，因为它需要临床专家识别复杂的医疗现象或法律专业知识来区分在不同司法管辖区各异的非法活动。
本文的目标是本文的目标是构建第一个全面的阿片类药物危机图学习基准测试，名为 Opbench，涵盖五个数据集，系统评估图学习方法在真实阿片类药物危机场景中的表现。具体而言，Opbench 覆盖三个关键应用领域：从医疗索赔数据中检测阿片类药物过量风险，从数字平台上检测非法药物贩运活动，以及从饮食模式中预测药物滥用。该基准测试包括多样的图结构，包括异构图、多关系图和超图，以保留药物相关数据之间丰富和复杂的关系信息。为了解决数据稀缺问题，作者与领域专家和权威机构合作，在遵守隐私和伦理准则的同时策划和标注数据集。此外，Opbench 建立了统一的评估框架，包括标准化协议、预定义的数据分割和可重现的基线方法，以促进图学习方法之间的公平和系统比较。
与已有工作不同的是，本文的独特切入角度在于它填补了阿片类药物危机领域全面基准测试的空白。现有的图基准测试主要依赖书目或分子数据集，与实际的公共卫生挑战脱节。相反，Opbench 直接扎根于紧迫的阿片类药物危机社会挑战，策划的数据集模仿了真实世界阿片类药物相关环境的复杂性。另一个独特之处是 Opbench 明确关注高阶和异构结构，而不是依赖简化的同构图表征，这种表征可能会掩盖关键的关系信息。此外，Opbench 是第一个在阿片类药物危机应用的背景下系统评估图学习方法的基准测试，提供了对现有方法优势和局限性的可行见解。这种实际应用的导向使得 Opbench 与其他图基准测试区分开来，为研究人员和从业者提供了一个直接相关的评估平台，以开发更有效的基于图的方法来应对阿片类药物流行病。
核心方法
Opbench 的整体思路是从阿片类药物危机的现实场景出发，构建五个覆盖供应和需求侧的数据集，并通过系统性实验揭示现有图学习方法的优势和局限。核心设计原则包括四个方面：与现实世界阿片类药物危机场景的对齐、高阶和异构结构建模、数据领域覆盖以及可用性和可重现性。在数据构建方面，Opbench 从三个关键领域获取数据：医疗（俄亥俄州 PDMP 数据）、社交网络（X/Twitter 数据）和营养（NHANES 数据）。每个数据集都针对阿片类药物危机生命周期中的特定任务进行设计，并使用适当的图结构进行建模。在评估方面，Opbench 采用标准化协议，包括预定义的数据分割（10%、20%、50% 训练数据）、评估指标（Accuracy、F1-score、AUC、GMeans）和可重现的基线方法，确保公平和系统的比较。
核心创新点在于构建了第一个全面覆盖阿片类药物危机供应和需求侧的图学习基准测试，并明确采用高阶和异构结构来建模真实世界的复杂性。具体而言，Opbench 的独特性体现在三个方面：一是覆盖三个关键应用领域（阿片类药物过量检测、在线非法药物贩运检测、药物滥用预测），每个领域都对应阿片类药物危机生命周期中的不同阶段；二是包括多样的图结构，包括异构图、多关系图和超图，以捕捉复杂的关系信息；三是与领域专家和权威机构合作，在遵守隐私和伦理准则的同时策划和标注数据集。与现有图基准测试依赖书目或分子数据集不同，Opbench 直接扎根于紧迫的社会挑战，使得评估的模型直接相关于高赌注的应用和有形的公共卫生影响。另一个核心创新是统一的评估框架，包括标准化协议、预定义的数据分割和可重现的基线方法，这促进了图学习方法之间的公平和系统比较。
方法步骤详情
Opbench 的方法步骤包括数据构建、图建模、实验评估和观察总结。首先，数据构建步骤：对于医疗领域（Pdmp-OD-Det），从俄亥俄州 PDMP 获取 2016 年的处方数据，包含 1,395,434 条记录，覆盖 61,479 名患者。构建包含四种节点类型（患者、医生、药房、药物）和五种边类型的异构图，根据 CDC 推荐的每日 MME 阈值（90 MME/天）标注患者风险标签。对于社交网络领域（X-HyDrug-Comm、X-HyDrug-Role、X-MRDrug-Role），通过 X/Twitter API 收集 2020 年 12 月至 2021 年 8 月的数据，包含 275,884,694 条推文。六名领域专家花费 62 天标注用户，按照社区和角色分类规则将用户分类。对于营养领域（NHANES-Diet），使用 2003-2020 年的 NHANES 数据，构建包含五种节点类型（用户、食物、成分、类别、习惯）和四种边类型的异构图，根据海洛因使用记录和处方阿片类药物持续使用超过 90 天的记录标注药物滥用标签。其次，图建模步骤：为异构图数据集设计多种元路径来捕捉不同的语义关系，为超图数据集定义四种超边类型（用户-关注-用户、用户-参与对话、用户-包含标签、用户-包含表情符号）来建模群体交互。第三，实验评估步骤：在五个数据集上测试多种基线方法，包括基于特征的方法（MLP、Oversampling、SMOTE）、图神经网络（GCN、GAT、GraphSage）、异构图神经网络（HGMAE、HAN、HGT）、多关系图神经网络（R-GCN、GraphENS、AD-GSMOTE）和超图神经网络（HGNN、HNHN、HCHA、AllSet、ED-HNN）。使用多种训练比例（10%、20%、50%）和评估指标（Accuracy、F1-Macro、F1-Micro、AUC、GMeans）进行评估。最后，观察总结步骤：从实验结果中总结三个关键观察，为图学习研究人员和公共卫生从业者提供指导。
技术新颖性
技术新颖性体现在几个方面。首先，Opbench 是第一个针对阿片类药物危机应用的全面图学习基准测试，填补了该领域系统评估的空白。其次，Opbench 明确专注于高阶和异构结构，这与现有图基准测试主要依赖同构图形成鲜明对比。这种设计选择使得 Opbench 能够评估图学习方法处理复杂关系信息的能力。第三，Opbench 在数据构建方面采用了领域专业知识合作，六名领域专家花费 62 天标注 X/Twitter 数据，确保了数据质量。第四，Opbench 采用了统一的评估框架，包括标准化协议、预定义的数据分割和可重现的基线方法，这促进了公平和系统的比较。最后，Opbench 作为开源库发布，支持进一步研究和药物相关下游任务的评估，这使得其他研究人员可以轻松地评估他们的算法，而不仅限于图、异构图和超图。这种开源和易用性使得 Opbench 成为一个有价值的社区资源，推动了阿片类药物危机图学习研究的发展。
实验结果
实验结果揭示了三个关键发现。首先，将异构图或超图结构投影到同构图会导致严重的信息损失，导致检测阿片类药物相关风险的性能显著下降。具体而言，在阿片类药物过量检测任务中，GCN 和 GAT 仅达到 60.96% 和 61.76% 的 AUC，而异构图神经网络（HAN 和 HGT）达到 79.14% 和 79.81%。同样，对于社区检测任务，GCN 在基于团扩展的同构投影上仅实现 39.09% 的 F1-Macro，而 ED-HNN 达到 57.62%。这个发现验证了 Opbench 在设计中的核心原则，即提供具有丰富异构和高阶结构的数据集，而不是依赖简化的同构图表征。其次，超图神经网络（HyGNNs）在非法药物贩运检测任务中始终优于图神经网络，改进幅度因任务而异，反映了阿片类药物危机应用中底层关系模式的性质。对于社区检测任务，ED-HNN 在 10% 训练比例下达到 57.62% 的 F1-Macro，比 GCN（39.09%）有显著改进。在 X-HyDrug-Role 的角色检测中，HyGNNs 保持其优势，ED-HNN 达到 68.55% 的准确率，而 GCN 为 64.87%。第三，解决类别不平衡可以在阿片类药物危机应用中获得比采用更复杂的 GNN 架构更大的性能提升。对于药物贩运角色检测任务，在 10% 训练比例下，AD-GSMOTE 达到 61.68% 的 GMean 和 70.58% 的 F1-Macro，而标准 GNN 分别仅达到 33.84% 和 26.87% 的 GMean。约 28-35% 的 GMean 缺陷意味着标准方法会错过大部分实际的药物销售者和购买者，严重限制了此类系统在执法和平台审核中的实用性。这些发现表明，在阿片类药物危机应用中，正确的结构表示和适当的类别不平衡处理可能比架构复杂性更重要。
查看结构化数据
| 任务 | 指标 | 本文 | 基线 | 提升 |
|---|---|---|---|---|
| 阿片类药物过量检测（Pdmp-OD-Det） | AUC（10% 训练数据） | HAN: 79.14% | GCN: 60.96%, GAT: 61.76% | HAN 比 GCN 提升 18.18 个百分点 |
| 阿片类药物过量检测（Pdmp-OD-Det） | F1-Macro（20% 训练数据） | HAN: 76.45% | GCN: 57.58%, GAT: 59.10% | HAN 比 GCN 提升 18.87 个百分点 |
| 社区检测（X-HyDrug-Comm） | F1-Macro（10% 训练数据） | ED-HNN: 57.62% | GCN: 39.09%, GAT: 42.21% | ED-HNN 比 GCN 提升 18.53 个百分点 |
| 角色检测（X-HyDrug-Role） | Accuracy（50% 训练数据） | ED-HNN: 70.66% | GCN: 66.08%, GAT: 67.35% | ED-HNN 比 GCN 提升 4.58 个百分点 |
| 角色检测（X-MRDrug-Role） | GMean（10% 训练数据） | AD-GSMOTE: 61.68% | GCN: 33.84%, GAT: 26.87% | AD-GSMOTE 比 GCN 提升 27.84 个百分点 |
| 药物滥用检测（NHANES-Diet） | Accuracy（50% 训练数据） | HAN: 75.90% | GCN: 74.90%, GAT: 75.32% | HAN 比 GCN 提升 1.00 个百分点 |
局限与改进
作者承认了几个局限性。首先，PDMP 数据仅限于单个州（俄亥俄州）和特定时间范围（2016 年），可能无法捕捉近年来合成阿片类药物危机的演变模式。由于合成芬太尼等新兴物质的出现，药物格局在过去几年发生了显著变化，2016 年的数据可能无法反映当前的风险模式。其次，社交媒体平台上的在线药物贩运检测仅代表非法市场的一部分，因为贩运者经常迁移到加密平台或暗网。这意味着 Opbench 评估的模型可能无法完全迁移到这些更隐蔽的平台。第三，营养生物标记物是代理指标，应作为多模式评估的一部分而不是独立的诊断工具使用。饮食模式与药物滥用之间的关联是复杂的，可能受到其他混杂因素的影响，如社会经济地位、心理健康状况和生活方式因素。此外，我观察到一些额外的局限性。首先，X/Twitter 数据的标注过程依赖于领域专家的主观判断，尽管采用了共识机制，但标注的一致性可能仍然存在问题。其次，数据集的规模相对较小，特别是 NHANES-Diet 仅包含 13,742 个节点，这可能限制了模型的泛化能力。第三，评估主要关注预测性能，但实际应用中的模型部署还涉及其他因素，如计算效率、可解释性和公平性，这些方面在本文中没有充分探索。
独立分析的弱点
从独立分析的角度来看，Opbench 存在几个可以改进的弱点。首先，数据的地域和时间局限性限制了模型的泛化能力。PDMP 数据仅来自俄亥俄州 2016 年，这可能无法反映其他州或近年来阿片类药物危机的模式。特别是合成芬太尼在 2016 年后的兴起显著改变了药物格局，这个变化在数据中没有体现。改进方向是扩展数据覆盖范围到更多州和更近期的时间段，以捕捉药物模式的演变。其次，在线药物贩运检测仅覆盖 X/Twitter 平台，但贩运者越来越多地迁移到加密平台（如 Telegram、Signal）和暗网市场。改进方向是扩展到更多平台，包括加密通讯应用和暗网市场，以提供更全面的贩运网络视图。第三，营养生物标记物作为药物滥用的代理指标可能存在敏感性和特异性问题。饮食模式与药物滥用之间的关联可能较弱或受到其他因素混淆。改进方向是结合多模态数据，如医疗记录、行为数据和生物标记物，以提高预测的准确性和可靠性。第四，数据标注依赖于领域专家，这是一个昂贵且耗时的过程，可能限制了数据集的规模和更新速度。改进方向是探索半监督或主动学习方法，减少对人工标注的依赖。最后，评估主要关注预测性能，但实际应用中的模型部署还需要考虑计算效率、可解释性和公平性。改进方向是增加这些方面的评估，如推理时间、模型大小、特征重要性分析和偏差检测。
未来方向
作者提出并可以延伸的未来研究方向包括：首先，扩展数据覆盖范围以解决地域和时间局限性。作者计划纳入更多州的数据和更近期的时间范围，以捕捉阿片类药物危机的演变模式。这个方向还可以延伸到国际数据，以了解不同地区阿片类药物危机的异同。其次，探索新兴数据源。作者提到可以扩展到加密平台和暗网市场，这个方向还可以延伸到其他数据源，如处方数据的实时流、社交媒体的多模态内容（图像、视频）和电子健康记录。第三，开发动态图学习方法。当前的 Opbench 数据集是静态的，但阿片类药物危机是一个动态过程，模式随时间演变。未来可以开发动态图学习方法，捕捉时间演化模式，如患者风险的轨迹变化和贩运网络的演变。第四，结合时间序列分析。可以将图学习与时间序列分析结合，预测阿片类药物过量趋势和贩运活动的季节性模式。第五，探索多模态学习。结合文本、图像、音频和视频数据，提供更全面的药物滥用和贩运活动视图。第六，研究公平性和偏差。阿片类药物危机对不同人群的影响不均匀，模型可能存在偏见。未来工作应该研究如何确保模型的公平性，避免对弱势群体的歧视。第七，开发可解释方法。实际应用中的模型部署需要可解释性，以帮助医疗专业人员和执法人员理解模型的决策。第八，研究隐私保护方法。阿片类药物危机数据通常包含敏感信息，未来可以探索联邦学习、差分隐私等隐私保护方法，在保护隐私的同时实现有效的模型训练。
复现评估
Opbench 的复现评估得分较高。作者已经将代码和数据集作为开源库发布在 GitHub（https://github.com/Tianyi-Billy-Ma/OPBench），包括完整的数据集、基线方法实现和实验脚本。数据集以图格式发布，不包含原始文本或用户级数据，进一步降低了隐私风险。作者使用 Sentence-BERT 从文本数据生成节点特征，使得从特征重建原始文本成为不可能，确保了敏感信息的保护。实验使用 Nvidia A40 GPU（48 GB GDDR6 内存）和 PyTorch 2.9.1 以及 PyG 2.7.0 进行，确保了一致的性能测量。评估协议包括标准化数据分割（10%、20%、50% 训练数据）、评估指标（Accuracy、F1-score、AUC、GMeans）和超参数调整（学习率、隐藏维度、dropout 率、权重衰减），所有方法都使用两层架构以确保公平比较。作者报告了五个不同随机分割的平均性能和标准差，确保了评估的鲁棒性和可靠性。此外，作者提供了详细的文档和最佳超参数（附录中的表 10），这使得其他研究人员可以轻松复现实验结果。难度方面，复现实验需要一定的技术背景，包括图学习、深度学习和 Python 编程，但开源库的易用性和详细的文档大大降低了复现门槛。总体而言，Opbench 的复现性评估得分较高，是一个可靠和可重现的基准测试。
论文图表
