Прогнозирование индивидуальных различий в эффективности цифрового вмешательства при алкоголе с помощью мультимодальных данных

Почему важно, сколько пьют ваши друзья

Многие молодые люди хотят сократить потребление алкоголя, но не всегда имеют время или средства для очного консультирования. Программы для смартфонов, которые присылают короткие напоминания на психологической основе, предлагают удобную альтернативу. Однако эти цифровые инструменты помогают не всем одинаково. В этом исследовании ставился актуальный вопрос: можно ли заранее предсказать, кто с наибольшей вероятностью получит пользу от цифрового вмешательства против алкоголя, используя информацию о чувствах людей, их мозге, дружеских связях и — что особенно важно — их представлениях о том, сколько пьют их друзья?

Смартфоны как карманные тренеры

Исследователи работали со студентами двух университетов США, которые социально употребляли алкоголь. В течение 28 дней студенты дважды в день получали текстовые сообщения, обучающие «психологическому дистанцированию». Некоторые сообщения тренировали осознанность — замечать мысли и позывы без немедленного действия. Другие побуждали принять иную перспективу — представить, как бы подумал и почувствовал друг, который почти не пьёт, в данной ситуации. В «активные» недели студенты получали эти напоминания о дистанцировании; в «неактивные» недели они только сообщали о своём употреблении и должны были вести себя естественно. Такой чередующийся дизайн позволял исследователям увидеть, действительно ли люди пьют меньше, когда цифровой тренер включён.

Много типов данных — один ключевой вопрос

До начала вмешательства студенты прошли обширные оценки. Они отвечали на вопросы о собственных привычках и мотивах питья, о настроении и личности, и о том, насколько сильно они ощущали давление со стороны ровесников. Они картировали свои социальные сети, указывая, кто в их кампусной группе больше всего пьёт или обладает высоким социальным влиянием. Некоторым также сделали сканирование мозга при показе изображений, связанных с алкоголем и социальными сюжетами. Команда загрузила все эти «мультимодальные» данные — психологические, социальные, нейронные и демографические — в несколько моделей машинного обучения. Цель состояла в том, чтобы узнать, сможет ли компьютер научиться разделять студентов на «ответивших», которые сократили количество недельных случаев употребления более чем на один, и «неответивших», которые этого не сделали.

То, что вы думаете о том, как пьют друзья, предсказывает изменение

Удивительно, но самыми сильными предикторами оказались не данные сканирования мозга и не подробные личностные тесты, а всего пять вопросов о восприятии употребления алкоголя сверстниками. Студенты оценивали, как часто и сколько пьют самые «тяжёлые» пьютельщики в их группе, и насколько одобрительно их группа относится к питью и запоям. Используя только этот небольшой набор ответов, модель случайного леса примерно в 71% случаев правильно разделяла ответивших и неответивших в первой выборке студентов — что соответствует или превосходит пороги, которые предыдущие исследования цифрового здравоохранения считают полезными для принятия решений о лечении. Когда ту же модель протестировали на второй, независимой выборке, её работа осталась примерно на том же уровне, что указывает на то, что результаты не были случайностью одной группы или периода времени.

Оптимальный профиль — умеренные, частые пьютели

Более детальный анализ показал, что вмешательство лучше всего работало для студентов, которые воспринимали своих самых пьющих сверстников как регулярных, но не экстремальных потребителей — примерно один‑два случая употребления в неделю и пара напитков за раз. Те, кто считал своих сверстников очень редкими пьютелями, в меньшей степени менялись, возможно, потому что питьё в их окружении уже было редким. Точно так же те, кто полагал, что их сверстники пьют очень много, тоже получали меньше пользы, возможно, потому что социальное давление было слишком сильным, чтобы короткие текстовые напоминания могли его компенсировать. Поразительно, что именно эти представления имели значение, а не фактические самоотчёты самих сверстников. Студенты, как правило, недооценивали, сколько на самом деле пьют их самых пьющих друзей, но именно их убеждения определяли, кто реагировал на вмешательство.

Что это значит для повседневной жизни

Для непрофессионалов вывод таков: наши представления о поведении друзей могут сильно влиять на то, насколько простые цифровые инструменты помогают нам сократить употребление алкоголя. Короткая анкета о восприятии пьющих сверстников — недорогой и легко реализуемый инструмент — оказалась достаточной для того, чтобы алгоритмы дали достаточно точные прогнозы о том, кто выиграет от текстовой программы дистанцирования. В будущем приложения могли бы использовать всего несколько вопросов о вашем социальном круге, чтобы решить, предложить ли стандартную программу, более интенсивную версию или другой тип поддержки. Хотя требуются дополнительные исследования на больших и более разнообразных группах, это исследование показывает: более умная, персонализированная цифровая помощь при проблемах с алкоголем может быть всего в нескольких хорошо подобранных вопросах.

Цитирование: 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

Ключевые слова: цифровое вмешательство при алкоголизме, восприятие употребления алкоголя сверстниками, психологическое дистанцирование, машинное обучение в здравоохранении, потребление алкоголя в колледже