通过多模态数据预测数字化酒精干预效果的个体差异

为什么你朋友的饮酒习惯很重要

许多年轻人想减少饮酒，但可能没有时间或金钱进行面对面咨询。通过智能手机发送短小、基于心理学的提醒的程序，提供了一种便捷的替代方案。然而，这些数字工具并非对所有人都同样有效。这项研究提出了一个及时的问题：我们能否提前预测谁最有可能从数字化酒精干预中受益，基于人们的感受、大脑、社交关系，以及——最重要的——他们对朋友饮酒量的感知？

把智能手机当成随身教练

研究者与两所美国大学的社交饮酒大学生合作。为期28天，学生每天两次收到教授“心理疏离”的短信。有些信息指导正念——注意你的想法和渴望但不要付诸行动；另一些则促使换位思考——想象一个饮酒很少的朋友在这种情境下会如何思考和感受。在“激活”周，学生会收到这些疏离提醒；在“非激活”周，他们只报告饮酒情况并被告知按自然方式反应。这种开—关设计使研究者能够观察当数字教练开启时，人们是否确实减少了饮酒。

各种数据，一项核心问题

在干预开始前，学生完成了大量评估。他们回答关于自身饮酒习惯和动机、情绪与人格以及感受到的同伴压力程度的问题。他们绘制了自己的社交网络，指出校园群体中谁饮酒最多或谁具有高社会影响力。部分人还在观看与酒精和社交相关图像时接受了脑部扫描。研究团队将所有这些“多模态”数据——心理、社会、神经和人口统计数据——输入若干机器学习模型。目标是看看计算机是否能学会将学生分为“有反应者”（每周饮酒场合减少超过一次）和“无反应者”（未减少）的两类。

你认为朋友喝多少会预测改变

令人惊讶的是，最有预测力的并非脑部扫描或详尽的人格测验，而只是关于感知到的同伴饮酒的五个问题。学生评估了群体中最能喝的人多频繁以及每次喝多少，以及他们的群体对于饮酒和暴饮的认可程度。仅用这一小组问题，随机森林模型在第一个学生样本中大约71%的情况下正确区分了有反应者与无反应者——达到了或超过了以往数字健康研究认为可用于指导护理的阈值。当相同模型在第二个独立样本上测试时，性能仍维持在类似水平，这表明结果并非某一群体或时间段的偶然产物。

中等且频繁饮酒者是最佳目标

进一步观察可见，干预对那些将最能喝的同伴视为常规但非极端饮酒者的学生效果最好——大约每周一到两次饮酒，每次几杯。那些认为同伴非常不常饮酒的学生较不可能改变，或许因为他们的圈子里饮酒本来就很少。那些相信同伴饮酒非常大量的学生也获益不多，可能是因为社会饮酒压力太强，简短的短信提醒难以抵消。值得注意的是，起作用的是这些感知，而非同伴的真实自我报告饮酒量。学生们倾向于低估其最能喝的朋友实际上喝了多少，但他们的信念仍然影响了谁有反应。

对日常生活意味着什么

对非专业读者来说，结论是我们对朋友行为的信念会显著影响简单数字工具帮助我们减少饮酒的效果。关于感知同伴饮酒的一份简短问卷——低成本、易于提供的测量——已足以让算法对谁能从基于短信的疏离项目中受益做出相当准确的预测。未来，应用程序可能只需几道关于你社交圈的问题，就能决定是提供标准项目、更密集的版本还是不同类型的支持。尽管需要在更大且更多样化的人群中做更多工作，这项研究表明，更智能、更个性化的数字酒精干预或许只需几道精心挑选的问题即可实现。

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

关键词: 数字化酒精干预, 同伴饮酒感知, 心理疏离, 健康领域的机器学习, 大学生饮酒