マルチモーダルデータによるデジタル飲酒介入効果の個人差予測

なぜ友人の飲酒習慣が重要なのか

多くの若年成人は飲酒を減らしたいと考えていますが、対面カウンセリングにかける時間や費用がないことが多いです。短い心理学ベースのリマインダーを送るスマートフォン向けプログラムは便利な代替手段を提供します。しかし、これらのデジタルツールがすべての人に同じように効果があるわけではありません。本研究は時宜を得た問いを投げかけます：人々の感情、脳、友人関係、そして何よりも仲間がどれだけ飲んでいると認識しているかという情報を使って、事前に誰がデジタル飲酒介入の恩恵を受けやすいかを予測できるでしょうか？

ポケットのコーチとしてのスマートフォン

研究者らは米国の2つの大学で社交的に飲酒する大学生と共同で研究を行いました。28日間、学生たちは1日2回「心理的距離化（psychological distancing）」を教えるショートメッセージを受け取りました。あるメッセージはマインドフルネスを促し—思考や欲求に気づいてもそれに従動しない—、別のメッセージは視点取得を促しました—飲酒が非常に少ない友人がこの状況でどう考え感じるかを想像する、という内容です。「アクティブ」週にはこれらの距離化リマインダーが配信され、「非アクティブ」週には飲酒の報告のみ行い自然に振る舞うよう指示されました。このオン・オフ設計により、デジタルコーチがオンのときに実際に飲酒が減るかを検証できました。

多様なデータ、ひとつの重要な問い

介入開始前に、学生たちは広範な評価を受けました。自身の飲酒習慣や動機、気分や性格、仲間からどれほど圧力を感じているかについて回答しました。彼らは自分のソーシャルネットワークをマッピングし、グループ内で誰が最も飲むか、あるいは高い社会的影響力を持つかを示しました。一部の参加者はアルコール関連や社会的な画像を見ている間に脳スキャンも受けました。研究チームはこれらすべての「マルチモーダル」データ―心理的、社会的、神経的、人口統計的な情報―を複数の機械学習モデルに投入しました。目標は、コンピュータが学生を「レスポンダー（週あたりの飲酒機会が1回以上減った人）」と「ノンレスポンダー」に分類できるかを学習できるかを見ることでした。

仲間の飲酒に関するあなたの認識が変化を予測する

驚くべきことに、最も強力な予測因子は脳スキャンや詳細な性格検査ではなく、仲間の飲酒をどう認識しているかに関するたった5つの質問でした。学生たちはグループ内の最も飲む人がどのくらいの頻度でどれくらい飲むか、そしてグループが飲酒や大量飲酒をどれだけ容認しているように見えるかを評価しました。この少数の回答だけを使ったランダムフォレストモデルは、最初の学生サンプルでレスポンダーとノンレスポンダーを約71%の精度で正しく識別しました―これはこれまでのデジタルヘルス研究がケアの指針として有用とする閾値を満たすか上回る水準です。同じモデルを別の独立したサンプルで検証しても同様の性能を示し、結果が特定のグループや時点の偶然ではないことを示唆しました。

適度で頻繁に飲む人が最も効果を得やすい

詳しく見ると、介入はもっとも飲む仲間を「定期的だが極端ではない飲み手」と見なす学生に最も効果的でした―おおむね週1〜2回の飲酒機会で、1回につき数杯という程度です。仲間を非常に稀にしか飲まない人と見なす学生は変化が起きにくく、これは彼らの周囲ですでに飲酒が稀であったためかもしれません。一方、仲間を非常に多量に飲むと考えていた学生もあまり恩恵を受けませんでした。これは社会的圧力が強すぎて短いテキストリマインダーでは対抗しにくかった可能性があります。印象的なのは、重要だったのは仲間自身の自己申告的な飲酒量ではなく、それに対する参加者の認識だった点です。学生たちは最も飲む友人の実際の飲酒量を過小評価する傾向がありましたが、それでも彼らの信念が反応者を決める要因になっていました。

日常生活への示唆

専門家でない読者への要点は、友人が何をしていると信じているかが、シンプルなデジタルツールがどれだけ飲酒削減に役立つかを大きく左右するということです。仲間の飲酒に関する短い質問票―低コストで提供しやすい尺度―だけで、アルゴリズムは誰がテキストベースの距離化プログラムから利益を得るかをかなり正確に予測できました。将来的には、アプリがあなたのソーシャルサークルについての数問だけを用いて、標準的なプログラムを提供するか、より強化した版を勧めるか、あるいは別の種類の支援を提案するかを決めることができるでしょう。より大規模で多様な集団でのさらなる検証が必要ですが、この研究は、より賢くパーソナライズされたデジタル支援が、数問の適切な質問で実現できる可能性を示しています。

引用: Fuchs, M., Boyd, Z.M., Schwarze, A. et al. Predicting individual differences in digital alcohol intervention effectiveness through multimodal data. npj Digit. Med. 9, 170 (2026). https://doi.org/10.1038/s41746-026-02356-4

キーワード: デジタル飲酒介入, 仲間の飲酒認識, 心理的距離化, 医療における機械学習, 大学生の飲酒