智能手机运动数据可可靠预测吸烟复发与渴望，从而实现及时的戒烟支持

你的手机如何帮助你戒烟

许多人随身携带一组功能强大的传感器而不加思索：他们的智能手机。这项研究提出了一个简单但对个人影响重大的问题：你手机已经记录的细微运动，能否悄然发出信号，表明你即将出现强烈的吸烟冲动或可能重蹈覆辙，从而使支持能及时到达？

从吸烟诱因到无声信号

多年来，帮助吸烟者戒烟的研究者们关注的是明显的诱因，如某人所在的位置、与谁在一起或一天中的时间。这些线索有用但并不完美，而且常常依赖人们主动报告自己的渴望和复发，这些报告可能不准确或不完整。智能手机和可穿戴设备通过被动收集我们移动方式的详细信息改变了局面，但这条丰富的运动数据流在实验室外很少被用于理解吸烟行为。

一个简单应用与数月的真实生活数据

研究团队让英国的17名每日吸烟者在自己的手机上安装了一个基础应用。两周内，参与者每次吸烟时在应用上按下一个按钮。然后他们尝试戒烟，并在接下来的三个月内记录任何复发，并在强烈渴望时或至少每天一次对渴望进行评分。在两个阶段期间，应用静默记录了来自三种内置传感器的运动数据：加速度计、陀螺仪和磁力计，以及光照强度和时间。手机可由参与者随意携带，不固定于身体某一部位，使得数据更能反映自然的日常生活而非实验室条件。

教模型识别高风险时刻

为了检验这些细微的运动模式能否预示与吸烟相关事件，科学家们将传感器记录切成不重叠的五分钟片段，并根据应用报告将每个片段标记为吸烟、渴望或两者都不是。然后他们比较了几种用于识别时间序列模式的现代人工智能模型。表现最好的模型在堆叠管道中结合了两种深度学习技术。仅使用三种运动传感器的运动数据时，该模型在戒烟前期约能有85%的准确率预测接下来的五分钟内是否会发生吸烟事件。在接下来的三个月里，它在标记强烈渴望时刻和复发方面的准确率也达到了约77%到78%。

适用于不同个体的模式

一个重要问题是这些运动模式是每个人独有的，还是在吸烟者之间共享。为此，团队在除一名参与者外的所有人的戒烟前数据上训练模型，然后用该模型预测剩余那位参与者在戒烟期内的复发与渴望。以这种方式轮换测试，模型仍然表现良好：平均而言，它能够区分高风险与低风险的五分钟窗口，得分显示两者之间有良好的分离度。模型在预测渴望方面尤为强大，这表明在触及香烟之前，人们运动方式的微妙变化可能是可靠的预警信号。

为何微小运动可能比时间与地点更重要

或许令人惊讶的是，运动传感器的表现优于诸如时间或光照等更传统的预测因子，而后者在吸烟研究中常被视为关键线索。单独使用时间作为预测因子时表现最弱。磁力计会受到环境因素影响，确实提供了有用信息，但在与加速度计和陀螺仪联合使用时仅略微提升了性能。由于手机是自由使用、没有固定携带位置，模型不太可能仅仅学会特定地点或姿势。相反，它似乎捕捉到了广泛且可重复的日常运动模式，这些模式往往先于渴望与复发出现，即便人们自己可能并未察觉。

这对尝试戒烟的人意味着什么

对于试图戒烟的人来说，最危险的时刻往往很短暂，当冲动猛增并且在支持到来之前很容易拿起香烟。该研究表明，普通智能手机已经收集的运动数据可以被转化为一种预警系统，在几分钟内识别这些时刻，而无需GPS定位或详细的个人历史。未来，这类模型可以为戒烟应用提供支持，静默监测你运动中的危险模式，并在你最需要时以适时的鼓励、工具或联系方式介入，同样的思路最终也可能帮助改变其他与健康相关的习惯。

引用: 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

关键词: 戒烟, 智能手机传感器, 渴望预测, 深度学习, 数字健康