英國研究人員透過 AI 分析智能手機細微動作數據，發現可提前約 5 分鐘預測使用者吸煙衝動，準確率高達 85%。研究結果已發表於科學期刊《Scientific Reports》，有望為個人化戒煙輔助應用程式帶來新突破。
智能手機感應器追蹤細微動作
英國曼徹斯特都會大學（Manchester Metropolitan University）與中央蘭開夏大學（University of Central Lancashire）研究團隊合作進行實驗。團隊招募 17 名吸煙者參與，歷時約 3 個半月，以智能手機應用程式持續收集數據。
參與者首兩週需於每次吸煙時按下應用程式按鈕作記錄。其後 3 個月改為自行申報復吸情況，並以 5 個等級評估吸煙欲望。智能手機同步記錄加速度計、陀螺儀、磁力計、光線感應器、時間及 GPS 等數據。預測模型主要採用前三者動作數據。
AI 預測準確率達 85%
研究採用深度學習模型「 1D-CNN-BiLSTM 」，僅憑智能手機動作數據，便能以 85% 準確率預測使用者 5 分鐘內吸煙行為。相較之下以傳統時間等誘因作預測準確率僅為 63%，反映細微動作數據具備更高預測價值。
在 3 個月戒煙期間，同一模型亦能以 78% 準確率預測吸煙欲望及復吸行為。研究更發現即使以其他吸煙者數據進行訓練，模型同樣能作出預測。這意味與吸煙相關細微動作模式或具備一定普遍性。
個人化戒煙應用程式應用想像
研究團隊認為此技術可整合至戒煙輔助應用程式，於強烈欲望出現前即時介入。例如為健康而戒煙用戶可收到跑步比賽衝線相片，為家人而戒煙者則顯示家庭相片，以符合個人動機方式提供心理支援。
此研究獨特之處在於數據完全來自參與者日常使用智能手機，而非實驗室或穿戴式感應器，更貼近真實生活情況。GPS 則因涉及私隱及數據偏差問題未被納入預測模型。
局限性與未來發展
研究團隊指出現有參與者均來自英國，能否適用於不同文化或生活習慣群體仍有待驗證。加上吸煙記錄依賴自行申報可能存在誤差。
研究人員同時指出細微動作分析技術未來或可延伸至暴飲暴食、失眠、精神健康及飲食失調等其他健康範疇。事實上近年已有研究顯示，智能手機使用模式可用於偵測抑鬱症及焦慮症。今次針對成癮行為突破進一步拓展相關應用前景。隨著 AI 技術持續進步，個人化健康預警或將成為智能手機常見功能。
來源: Nature
