个性化机器学习引导的生活方式干预以优化抑郁症行为：一项试点研究

为什么你的日常习惯会影响情绪

许多抑郁症患者被建议多运动、改善睡眠、饮食更健康或多社交，但很难知道哪些改变对个体最有帮助。本研究测试了一种新方法，利用智能手机、智能手表和人工智能的数据来发现哪一项生活习惯与每个人的情绪关联最强，然后围绕这一单一目标制定一个简单的个性化计划。

一种新的个性化护理方式

研究者开展了一项名为个性化情绪增强（Personalized Mood Augmentation，简称 PerMA）的试点临床试验，纳入了50名轻中度抑郁的成年人。研究并未对所有人给予相同建议，而是先通过短手机调查和智能手表数据收集了两到四周的真实世界信息。这些工具全天追踪情绪，同时记录睡眠模式、体育活动、饮食习惯和社交程度，绘制出每个人日常生活与情绪随时间共同变动的详细图景。

让数据揭示关键习惯

基于这些个人数据流，团队为每位参与者构建了个体化的机器学习模型。模型的任务是找出哪些生活特征最能预测该人情绪的变化。为了让结果易于理解，研究者使用了一种方法，对每个个体的重要生活因素进行排序。从这个排序中，受过训练的健康教练为六周计划选择一个主要关注领域：睡眠、运动、饮食或社交连接。该计划称为个体化情绪增强计划（individualized mood augmentation plan，iMAP），将数据模式转化为参与者可在日常生活中尝试的实际步骤。

教练支持与现实世界的改变

在为期六周的干预阶段，参与者每周约与健康教练进行一次约20分钟的线上会面。教练为受训的医学学员，学会用通俗语言解释数据并运用成熟的生活方式策略引导行为改变，例如设定规律的就寝时间、规划散步、改善饮食选择或安排社交活动。参与者还每天继续完成一次简短的情绪与生活方式签到，以便研究者观察在教练期间情绪与被针对习惯的变化情况。

当习惯被定制时的改善

四十名参与者完成了全部项目。平均而言，他们的抑郁评分下降了一个被认为是大幅改善的幅度，且超过一半的人在六周后不再符合抑郁的诊断标准。焦虑症状减轻，生活质量评分上升，人们报告在日常生活中更具正念。基于计算机的测试显示注意力和工作记忆有所改善——这些能力常被抑郁削弱。重要的是，逐日数据证实，参与者在为其选择的单一生活领域中改善最明显，而这些有针对性的改变与情绪改善紧密相关，未被针对的习惯变化较小。

面向更广泛应用的前景

这项早期研究表明，利用个人数据和简单的人工智能工具，将人们与最能影响自身情绪的生活方式改变相匹配，能够显著减少抑郁症状并改善认知与生活质量。由于该方法依赖广泛可用的设备和简短的教练支持，未来或可在更大范围内以较低风险提供有效帮助。仍需更大规模、受控的试验来验证，但这些发现指向一个未来：抑郁症护理可以根据每个人的节奏和习惯进行微调。

引用: Nan, J., Purpura, S., Jaiswal, S. et al. Personalized machine learning guided intervention for optimizing lifestyle behaviors in depression: a pilot study. NPP—Digit Psychiatry Neurosci 4, 10 (2026). https://doi.org/10.1038/s44277-026-00062-3

关键词: 个性化抑郁症治疗, 生活方式干预, 机器学习, 数字心理健康, 智能手表情绪追踪