נתוני תנועת סמארטפון יכולים לחזות בצורה מהימנה החזרים בעישון וחשקים — לאפשר תמיכה מדויקת להפסקת עישון

איך הטלפון שלך יכול לעזור לך להפסיק לעשן

רבים נושאים היום בכיסים חבילה עוצמתית של חיישנים ללא מחשבה שנייה: סמארטפון. המחקר הזה שואל שאלה פשוטה בעלת הימצאות אישית גבוהה: האם התנועות הזעירות שהטלפון כבר מקליט יכולות באורח שקט לאותת מתי אתה עומד לחוות דחף חזק לעשן או לחזור להרגלים ישנים — כך שניתן יהיה להגיע לעזרה בזמן?

מתנאי הצתה לאותות שקטים

שנים רבות חקרו מדענים שניסו לעזור למעשנים להפסיק התייחסו למזמיני עישון ברורים כגון מיקום, מי נמצא סביב האדם או שעה ביום. הרמזים האלה שימושיים אך בלתי מושלמים, ולעתים הם נשענים על דיווח עצמי של חשקים והחזרות, שיכולים להיות לא מדויקים או לא שלמים. סמארטפונים ושעונים חכמים שינו את המשחק בכך שהם אוספים באופן פסיבי מידע מפורט על איך אנו זזים, אך זרם העושר הזה של נתוני תנועה נדיר שנעשה בו שימוש כדי להבין התנהגות עישון מחוץ למעבדה.

אפליקציה פשוטה וחודשים של נתוני חיי יום־יום

צוות המחקר ביקש מ‑17 מעשנים יומיים בבריטניה להתקין אפליקציה בסיסית על הטלפונים שלהם. במשך שבועיים לחצו המשתתפים כפתור יחיד באפליקציה בכל פעם שעישנו. לאחר מכן ניסו להפסיק, ובמהלך שלושת החודשים הבאים תיעדו החזרים ודירגו את החשקים כשהיו חזקים, או לפחות פעם ביום. בשני שלבי המחקר האפליקציה הקליטה בשקט תנועה משלושה חיישנים מובנים: מאיץ (accelerometer), ג׳ירוסקופ ומגנטומטר, בנוסף לרמת תאורה ושעת היום. הטלפון יכול היה להיות נשא בכל אופן שהאנשים רצו ולא הוצמד לחלק גוף מסוים, מה שהופך את הנתונים לשיקוף של חיי יום‑יום טבעיים ולא של תנאי מעבדה.

לימוד מודל לזהות רגעים בסיכון

כדי לבדוק האם דפוסי תנועה דקים אלה יכולים לנבא אירועים הקשורים בעישון, המדענים חילקו את הקלטות החיישנים לחתיכות של חמש דקות ללא חפיפה וסימנו כל קטע כעישון, כחשק או כאף אחת מהן לפי הדיווחים מהאפליקציה. לאחר מכן הם השוו כמה מודלים מודרניים של בינה מלאכותית המיועדים לזהות תבניות בנתוני סדרות זמן. הביצוע הטוב ביותר שילב שתי טכניקות למידה עמוקה בצינור מקובץ. כאשר אותו מודל קיבל רק את נתוני התנועה מהשלושה חיישני תנועה, הוא חזה במדויק האם אירוע עישון יתרחש בחמש הדקות הבאות בכ‑85 אחוז בערך מהזמן בתקופת לפני־ההפסקה. הוא גם הגיע לדייקן של כ‑77 עד 78 אחוז בניבוי רגעי חשק גבוהים והחזרים במהלך שלושת החודשים שלאחר מכן.

דפוסים שעובדים על פני אנשים שונים

שאלה חשובה הייתה האם דפוסי התנועה הללו ייחודיים לכל אדם או משותפים למעשנים באופן כללי. כדי לבדוק זאת, הצוות אימן את המודל על נתוני לפני־ההפסקה מכל המשתתפים פרט לאחד, ואז ביקש ממנו לנבא את ההחזרים והחשקים של אותו אדם במהלך תקופת ההפסקה. בסיבוב כזה דרך הקבוצה, המודל עדיין הביצע היטב: בממוצע הוא הצליח להבחין בין חלונות של חמש דקות בסיכון גבוה לבין כאלה בסיכון נמוך עם ציון המעיד על הפרדה טובה ביניהם. הוא היה חזק במיוחד בניבוי חשקים, מה שמרמז ששינויים זעירים בתנועה של אנשים לפני שהם אפילו נוגעים בסיגריה עשויים להיות סימן אזהרה אמין.

מדוע תנועות זעירות יכולות להיות חשובות יותר משעה ומקום

באופן מפתיע למדי, חיישני התנועה עלו על מנבאים מסורתיים יותר כגון שעת היום או רמת התאורה, שנחשבו לעיתים קרובות לרמזים מרכזיים במחקר על עישון. שעת היום כשלעצמה הייתה המנבא החלש ביותר. המגנטומטר, שעשוי להיות מושפע מגורמים סביבתיים, אכן תרם מידע שימושי אך שיפר את הביצועים רק במעט כשהתווסף למאיץ ולקוביית זווית (gyroscope). בגלל שהטלפונים שומשו בחופשיות, ללא מיקום נשיאה קבוע, קשה להניח שהמודל למד פשוט מקומות או תנוחות מסוימות. במקום זאת נראה שהוא לוכד דפוסי תנועה רחבים וחזרים שמקדימים חשקים והחזרים, גם כשהאנשים עצמם אינם מודעים להם.

מה שזה יכול להיות עבור מי שמנסה להפסיק

עבור מי שמנסה להיגמל מעישון, הרגעים המסוכנים הם לעיתים קצרים — כשהדחפים מטפסים קלות וקשה להגיע לסיגריה לפני שהעזרה מגיעה. המחקר הזה מראה שנתוני תנועה שכבר נאספים על ידי סמארטפונים רגילים יכולים להיהפך לסוג של מערכת אזהרה מוקדמת שמזהה את הרגעים הללו כמה דקות מראש, מבלי להזדקק למיקום GPS או להיסטוריה אישית מפורטת. בעתיד, מודלים כאלה עשויים להניע אפליקציות להפסיק לעשן שיפקחו בעדינות על דפוסים מסוכנים בתנועות שלך ויתערבו בעידוד, בכלים או בקשרים בזמן הנכון כשאתה הכי צריך — והרעיון הזה עלול בסופו של דבר לסייע גם בהרגלים בריאותיים אחרים.

ציטוט: Abo-Tabik, M., Costen, N. & Benn, Y. Smartphone movement data can reliably predict smoking lapses and cravings to enable timely smoking cessation support. Sci Rep 16, 15719 (2026). https://doi.org/10.1038/s41598-026-49611-y

מילות מפתח: הפסקת עישון, חיישני סמארטפון, חיזוי חשק, למידה עמוקה, בריאות דיגיטלית