Przewidywanie indywidualnych różnic w skuteczności cyfrowych interwencji alkoholowych za pomocą danych multimodalnych

Dlaczego nawyki picia twoich znajomych mają znaczenie

Wielu młodych dorosłych chce ograniczyć picie, ale może nie mieć czasu ani środków na terapię twarzą w twarz. Programy na smartfony wysyłające krótkie, oparte na psychologii przypomnienia stanowią wygodną alternatywę. Jednak te narzędzia cyfrowe nie działają równie dobrze u wszystkich. Badanie postawiło aktualne pytanie: czy można przewidzieć z wyprzedzeniem, kto najprawdopodobniej skorzysta z cyfrowej interwencji alkoholowej, wykorzystując informacje o uczuciach, mózgach, relacjach towarzyskich i — co najważniejsze — o tym, jak bardzo dana osoba uważa, że jej znajomi piją?

Smartfony jako kieszonkowi trenerzy

Naukowcy pracowali ze studentami będącymi osobami pijącymi towarzysko na dwóch uniwersytetach w USA. Przez 28 dni studenci otrzymywali dwa razy dziennie wiadomości tekstowe uczące „psychologicznego dystansowania”. Niektóre komunikaty uczyły uważności — zauważaj myśli i pragnienia, nie działając od razu. Inne zachęcały do przyjęcia innej perspektywy — wyobraź sobie, jak pomyślałby i poczułby się znajomy, który pije bardzo rzadko, w tej sytuacji. W tygodniach „aktywnych” studenci otrzymywali te przypomnienia o dystansowaniu; w tygodniach „nieaktywnych” jedynie raportowali swoje picie i mieli zachowywać się naturalnie. Taki schemat włącz/wyłącz pozwolił badaczom zobaczyć, czy ludzie rzeczywiście pili mniej, gdy cyfrowy trening był aktywny.

Wiele rodzajów danych, jedno kluczowe pytanie

Przed rozpoczęciem interwencji studenci wypełnili obszerne kwestionariusze. Odpowiadali na pytania o własne nawyki i motywy picia, nastrój i cechy osobowości oraz o odczuwaną presję ze strony rówieśników. Mapowali swoje sieci społeczne, wskazując, kto w ich grupie kampusowej pił najwięcej lub miał duży wpływ społeczny. Niektórzy przeszli także skany mózgu podczas oglądania obrazów związanych z alkoholem i społecznymi sytuacjami. Zespół wprowadził wszystkie te „multimodalne” dane — psychologiczne, społeczne, neuronalne i demograficzne — do kilku modeli uczenia maszynowego. Celem było sprawdzenie, czy komputer potrafi nauczyć się rozróżniać studentów na „osoby reagujące”, które zmniejszyły liczbę okazji do picia w tygodniu o więcej niż jedną, i „osoby niereagujące”, które tego nie zrobiły.

To, co myślisz o piciu znajomych, przewiduje zmianę

Co zaskakujące, najsilniejszymi predyktorami nie okazały się skany mózgu ani szczegółowe testy osobowości, lecz zaledwie pięć pytań dotyczących postrzeganego picia przez rówieśników. Studenci oceniali, jak często i ile alkoholu spożywają najwięksi pijacy w ich grupie oraz jak bardzo grupa wydawała się aprobować picie i upijanie się. Wykorzystując tylko ten niewielki zestaw odpowiedzi, model lasu losowego poprawnie odróżniał osoby reagujące od niereagujących w około 71% przypadków w pierwszej próbie studenckiej — osiągając albo przewyższając progi, które wcześniejsze badania z zakresu zdrowia cyfrowego uznały za przydatne w kierowaniu opieką. Gdy ten sam model sprawdzono na drugiej, niezależnej próbie, osiągnął podobny poziom, co sugeruje, że wyniki nie były przypadkowe dla jednej grupy czy okresu.

Optymalni są umiarkowani, częstotni pijacy

Bliższa analiza wykazała, że interwencja działała najlepiej u studentów, którzy postrzegali swoich najwięcej pijących rówieśników jako regularnych, ale nie ekstremalnych konsumentów — mniej więcej jedną do dwóch okazji picia na tydzień i kilka drinków przy każdej okazji. Osoby, które uważały, że ich rówieśnicy piją bardzo rzadko, rzadziej zmieniały zachowanie, być może dlatego, że picie już było w ich kręgu rzadkie. Ci, którzy wierzyli, że ich znajomi piją bardzo dużo, także nie odnieśli tak dużych korzyści, prawdopodobnie dlatego, że presja społeczna na picie była zbyt silna, aby krótkie wiadomości tekstowe mogły ją zneutralizować. Co istotne, to właśnie te percepcje się liczyły, a nie rzeczywiste, samoopisane picie rówieśników. Studenci mieli skłonność do niedoszacowywania, ile naprawdę piją ich najwięksi pijacy, a mimo to ich przekonania kształtowały, kto reagował na interwencję.

Co to oznacza w codziennym życiu

Dla osób niebędących specjalistami wniosek jest taki, że nasze przekonania o tym, co robią znajomi, mogą silnie wpływać na to, jak skuteczne będą proste narzędzia cyfrowe pomagające ograniczyć alkohol. Krótki kwestionariusz o postrzeganym piciu rówieśników — tani i łatwy do wdrożenia — wystarczył, by algorytmy dokonały stosunkowo trafnych prognoz, kto skorzysta z programu dystansowania opartego na wiadomościach tekstowych. W przyszłości aplikacje mogłyby wykorzystać zaledwie kilka pytań o twoje otoczenie społeczne, by zdecydować, czy zaproponować standardowy program, bardziej intensywną wersję, czy inny typ wsparcia. Choć potrzebne są dalsze badania na większych i bardziej zróżnicowanych grupach, praca ta pokazuje, że mądrzejsza, bardziej spersonalizowana pomoc cyfrowa w zakresie używania alkoholu może być dostępna po odpowiedzi na zaledwie kilka dobrze dobranych pytań.

Cytowanie: 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

Słowa kluczowe: cyfrowa interwencja alkoholowa, postrzeganie picia przez rówieśników, psychologiczne dystansowanie, uczenie maszynowe w zdrowiu, picie alkoholu wśród studentów