Integracja teorii społeczno‑poznawczej z uczeniem maszynowym w przewidywaniu zachowań seksualnych mężczyzn uprawiających seks z mężczyznami wobec kobiet: wieloośrodkowe badanie rozwojowe modelu lasu losowego w Chinach

Dlaczego ukryte "mosty" seksualne są ważne

Specjaliści od zdrowia publicznego obawiają się zachowań „mostowych”, które cicho łączą grupy o wysokim ryzyku HIV z szerszą populacją. W Chinach niektórzy mężczyźni uprawiający seks z mężczyznami (MSM) mają także kontakty seksualne z kobietami, często przy jednoczesnym ukrywaniu zachowań homoseksualnych. Taki wzorzec może niezamierzenie narażać partnerki na zakażenie i utrudniać działania zapobiegawcze. Opisane tu badanie stawia praktyczne pytanie: czy można połączyć wiedzę psychologiczną z nowoczesną analizą danych, aby wcześnie wykryć to ukryte zachowanie w sposób wspierający ludzi, a nie ich obwiniający?

Bliższe spojrzenie na trudno osiągalną społeczność

Naukowcy współpracowali z organizacjami społecznymi w sześciu chińskich miastach, przeprowadzając anonimową ankietę wśród 2 403 mężczyzn, którzy mieli stosunki seksualne z mężczyznami w ciągu ostatnich sześciu miesięcy. Pytano nie tylko o kontakty seksualne z mężczyznami i kobietami, lecz także o nastrój, poczucie własnej wartości, używanie substancji, związki, pracę, wykształcenie i sytuację mieszkaniową. Około 17% uczestników zgłosiło stosunek z kobietą w ostatnich sześciu miesiącach. Większość stanowiły młode dorosłe osoby, wykształcone, z których wiele przeprowadziło się z rodzinnych miejscowości. To podejście oparte na współpracy ze społecznością pozwoliło zespołowi dotrzeć do osób, które inaczej mogłyby unikać oficjalnych badań z powodu stygmatyzacji lub obawy przed identyfikacją.

Jak połączono psychologię i algorytmy

Badanie zostało poprowadzone w ramach teorii społeczno‑poznawczej, koncepcyjnego modelu traktującego zachowanie jako wynik ciągłej interakcji między osobistymi myślami i uczuciami, codziennymi działaniami oraz otoczeniem społecznym. Z tej perspektywy zespół pogrupował 28 zmierzonych czynników w trzy szerokie obszary: stan osobisty (np. depresja, lęk, poczucie własnej wartości), zachowanie (np. seks grupowy z mężczyznami, używanie narkotyków przed seksem) i środowisko (np. poziom wykształcenia, stan cywilny, migracja). Zamiast pozwolić komputerowi bezkrytycznie przeszukiwać wszystkie możliwe wzorce, autorzy najpierw wybrali zmienne, które zgodnie z teorią powinny mieć znaczenie, a następnie zastosowali metodę uczenia maszynowego znaną jako las losowy, aby uszeregować, które z nich rzeczywiście najbardziej pomagają przewidzieć kontakty z kobietami.

Budowanie zwartego wskaźnika ryzyka

Z pierwotnych 28 zmiennych algorytm wyłonił zwarte zestawienie dziewięciu, które niosły większość mocy predykcyjnej: lęk, depresję, poczucie własnej wartości, wiek, poziom wykształcenia, stan cywilny, orientację seksualną, niedawny seks grupowy z mężczyznami oraz używanie narkotyków przed seksem. Te dziewięć czynników wprowadzono następnie do prostszego modelu statystycznego zwracającego prawdopodobieństwo, że dany mężczyzna w ostatnim czasie miał stosunek z kobietą. Dzięki powtarzanemu trenowaniu i testowaniu na różnych podzbiorach danych model był w stanie rozróżnić MSM raportujących i nieraportujących stosunków z kobietami z względnie wysoką dokładnością — około 80% na standardowej skali wydajności. Model także generował oszacowania ryzyka dobrze zgodne z obserwowanymi częstościami, co oznacza, że przewidywane prawdopodobieństwa nie były systematycznie zbyt wysokie ani zbyt niskie.

Co model ujawnia o wzorcach ryzyka

Najjaśniejsze sygnały pochodziły ze stanu cywilnego i sposobu, w jaki uczestnicy określali swoją orientację seksualną, a następnie z zaburzeń psychicznych i określonych zachowań. Mężczyźni żonaci lub identyfikujący się jako homoseksualni albo biseksualni (w porównaniu z określającymi się jako niepewni) częściej zgłaszali stosunki z kobietami. Wyższe wyniki lęku i depresji oraz niższe poczucie własnej wartości również wiązały się z większym prawdopodobieństwem kontaktów między płciami, podobnie jak niedawny seks grupowy z mężczyznami i używanie narkotyków przed seksem. Młodszy wiek i niższe wykształcenie zwykle zwiększały ryzyko. Co ważne, model działał podobnie dobrze w różnych grupach wiekowych, poziomach wykształcenia, sytuacjach małżeńskich oraz między migrantami a mieszkańcami miejscowymi, co sugeruje, że wskaźnik ryzyka nie jest ograniczony do wąskiej podgrupy.

Zamiana liczb w praktyczne, nieobwiniające narzędzie

Aby uczynić wyniki użytecznymi poza laboratorium statystycznym, zespół przekształcił dziewięć kluczowych predyktorów w prostą tabelę punktową, czyli nomogram. Doradca, klinicysta lub pracownik terenowy może użyć tej tabeli, aby przypisać punkty za oceny nastroju danej osoby, status związku, wykształcenie, niedawne zachowania itp.; suma punktów przekłada się na oszacowane prawdopodobieństwo, że osoba ma również kontakty seksualne z kobietami. Autorzy podkreślają, że narzędzie ma służyć poufnym, wspierającym rozmowom i wczesnej prewencji — pomagając ukierunkować poradnictwo, testowanie i zasoby związane z propagowaniem bezpieczniejszego seksu wobec tych, którzy mogą pełnić rolę ukrytych „mostów” — a nie etykietowaniu osób czy zwiększaniu stygmatyzacji.

Cytowanie: Liu, S., Gao, Y., Xu, H. et al. Integrating social cognitive theory with machine learning to predict MSM-women sexual behavior: a multicenter random forest model development study in China. Sci Rep 16, 6029 (2026). https://doi.org/10.1038/s41598-026-36202-0

Słowa kluczowe: Prewencja HIV, zachowania biseksualne, uczenie maszynowe, zdrowie psychiczne, MSM w Chinach