毒品與藥物濫用問題是刑事政策與公共衛生所關注的議題，尤其是近期新興毒品崛起、多重藥物濫用、毒品施用再犯與成效、毒品施用誘發精神疾病等等問題，再再顯示改善毒品成癮與復發等議題的急迫性，受到社會大眾關注。法務部司法官學院犯罪防治研究中心長期關注、追蹤多元處遇及復歸社會問題，致力於將研究成果推廣於國際學術論壇，並於2023年美國NIDA藥物濫用國際研討會發表「緩起訴附命戒癮治療於減少二級毒品施用者再犯率的是有效的-2008-2021年之全國樣本研究」。

　　研究團隊也與國立臺灣師範大學中國信託成癮防制暨政策研究中心（中信成癮政策研究中心）合作，應用AI技術於毒品大數據研究分析之中，並以Building Predictive Models for Drug Use Recidivism with Deferred Prosecution and Addiction Treatment using Deep Learning（建構預測緩起訴附命戒癮治療毒品施用者再犯狀況之深度學習模型）為題撰寫論文，獲得美國NIDA藥物濫用研究院（NIDA）遴選通過，共同於2023年美國NIDA藥物濫用國際研討會進行海報發表。

　　本文發表之作者群包括：趙恩博士、顧以謙研究員及李思賢特聘教授兼中信成癮政策研究中心主任；研究要旨，在於建立可預測個案在完成緩起訴附命戒癮治療（DPCCAT）後的一年內，又再次施用毒品的AI模型。研究資料來自本學院犯研中心所建置之2008年至2021年間的刑事政策與犯罪研究數據資料庫，並以R語言的Keras框架建立深度學習模型。研究採用的訓練數據與測試數據的比例為7:3，而用於預測的變量包括性別、年齡以及參與DPCCAT的相關犯罪記錄。

　　本研究涵蓋19,779名DPCCAT個案，其中男性占82.9%，女性占17.1%。年齡方面，24.7%介於18-29歲，36.7%介於30-39歲，38.5%年齡超過40歲。有74.7%在完成DPCCAT後的一年內未再使用毒品。在經過訓練與測試後，研究模型顯示出良好的效能，具有0.970的召回率，0.745的精確率，0.843的F1值，以及0.740的AUC值。研究結果顯示，本研究模型可以有效預測完成DPCCAT後一年內未再使用毒品的個體，對於未來臨床實踐及政策制定具有相當的參考價值，未來如加入更多動態因素，則應可再大幅提高模型的預測能力。

　　最後，研究團隊指出，利用援用AI技術進行研究分析，可充實政策執行時的科學與數據立論基礎，有利於政府推動「貫穿式司法保護防止再犯」的策略，促進新世代反毒策略2.0「再犯防止」目標達成。