一个正在康复的吸烟者发现自己处在一个与吸烟有强烈关联的地方，并强烈地想要吸烟。但是，如果人工智能能够成为潜在戒烟者的有效伙伴，识别出预测吸烟的环境，并在关键时刻进行干预，将这种渴望扼杀在萌芽状态，那会怎样呢?

        一项研究发现，一种深度学习方法或许能够做到这一点，识别出预测吸烟的地点，并触发“及时的适应性戒烟干预措施”。它还可以帮助吸烟者在尝试戒烟时优化环境，更广泛地分析其他需要改变的行为对环境的刺激。

        深度学习方法成功区分了被调查者指定为吸烟或非吸烟的环境，其曲线下的平均面积(AUC)为0.840(标准差为0.024)(准确率为76.5%;标准偏差1.6%)，与人类戒烟专家的表现相当。

        “研究结果表明,对象和设置在日常生活的图像可以用来识别环境与吸烟有关,这可能会反过来成为一个有效的代理的渴望和吸烟的风险,”写第一作者马修·m·恩格尔哈德,医学博士,博士学位,高级研究助理在杜克大学的精神病学和行为科学系的达勒姆,北卡罗莱纳和他的同事们。这项研究于8月2日发表在《美国医学会杂志》网络版上。

        非常需要创新的方法;根据美国疾病控制与预防中心(Centers for Disease Control and Prevention)的数据，最好的戒烟干预措施能使6个月的戒断率低于20%。

研究详情

        这项横断面研究招募了169名来自北卡罗莱纳州达勒姆市和宾夕法尼亚州匹兹堡市的吸烟者(年龄18-55岁)，让他们拍摄4902张吸烟照片(n = 2457;50.1%)和非吸烟区(n = 2445;(49.9%) 2010年至2016年。所有参与者都是活跃的吸烟者，每天至少抽五支或更多的香烟，持续至少一年。

        吸烟地点是经常访问的地点，参与者经常吸烟或发现很难不吸烟，而非吸烟地点是那些经常光顾但不吸烟。直接吸烟提示和提示，如香烟或打火机，没有拍照。

        然后，这些图像被用来开发“概率分类器”，用于预测参与者吸烟或不吸烟的地点，并将日常环境中的设置与吸烟模式相关联。研究人员解释说，该分类器“结合了深度卷积神经网络和可解释的逻辑回归模型，并通过嵌套交叉验证和参与式分区(即样本外预测)来训练和评估”。

        恩格尔哈德说:“举例来说，你可以用手机拍张照片，然后把照片通过手机上的模型播放一遍，以此来估计与照片相关的吸烟风险。”他解释说，你的智能手机可以提醒你采取特定的策略来抑制冲动，帮你联系一个指定的支持人员，或者建议你吃一片尼古丁含片或类似的产品。

        达勒姆和匹兹堡分别提供了3386幅和1516幅图像。两组图像均分，吸烟图像2457幅(50.1%)，非吸烟图像2445幅(49.9%)。

        当应用于不熟悉的、以前从未见过的环境时，该模型的预测与参与者报告的与这些环境相关的渴望强烈相关。作者写道:“这提供了初步证据，表明与吸烟有关的环境模式可能会在任何地方带来风险。”

        最适合吸烟的环境场所或功能是露台、一辆移动面包车、一张公园长椅、一个空间加热器和一张台球桌。令人惊讶的是，这个类别还包括日晷、蚊帐和蛇形围栏。不那么令人惊讶的是，顶级无烟环境从图书馆、杂货店、复印机到鞋店和教堂都有。

        只使用Durham图像训练的模型有效分类来自Pittsburgh的图像，AUC为0.757(准确率69.2%)，而只使用Pittsburgh图像训练的模型有效分类来自Durham的图像，AUC为0.821(准确率75%)。这些发现表明地理区域之间具有良好的普遍性。

        只有一位外部专家在统计显著性水平上优于分类器(P = .05)。此外,参与者的自我报告的渴望中值与模型预测吸烟环境状况显著相关(ρ= .894,P = .003)

        在图像研究的另一部分中，25名随机选择的参与者拍摄了732张照片，这些照片由4名没有参与研究的戒烟专家进行分类。这些图片的分类(是或不是)基于以下问题:“你会警告吸烟者，这是一个他们可能吸烟或有吸烟欲望的环境吗?”

        恩格尔哈德说，专家们“看到算法运行得如此之好，感到非常兴奋，他们认为这是帮助吸烟者成功戒烟的一个重要突破。”这种模式不会取代临床医生——它只是一个工具，帮助患者和医生更有效地合作，帮助患者成功戒烟。”

        作者呼吁对日常环境如何促进吸烟行为进行更系统的研究——“可以用来支持更有效戒烟的信息。”

        他还提出了隐私和伦理问题，这是对新兴数字应用程序的持续关注。“如果我们在拍摄不同地点的照片，而有旁观者被发现，例如，有什么系统和机制来保护这些信息的隐私、安全和保护?”

        展望未来，研究人员表示，研究结果为预测日常环境对其他目标行为或症状的影响提供了一个潜在的框架，这些目标行为或症状包括情绪障碍、注意力缺陷多动障碍、致胖行为和过敏性哮喘发作。“了解外部环境如何影响行为或感兴趣的症状，可能会为基于环境的干预和治疗环境的改变提供信息，”作者写道。

        他们计划通过在个人基础上确定与吸烟相关的设置，来探索模型个性化的可能好处。

        这项工作由国家药物滥用研究所的赠款资助。该研究的作者恩格尔哈德、杰森·奥利弗、劳伦斯·卡林和约瑟夫·麦克勒农报告了一项正在申请的专利，该专利可以利用与该研究工作相关的日常图像预测实时行为风险。Torous没有披露任何相关的财务关系。

        JAMA Netw开放。2019年8月2日在网上发布。全文

        要了解更多新闻，请关注Facebook、Twitter、Instagram和YouTube上的Medscape

        来源：Medscape

         ‍此文系悬壶济世网原创整理，没‍有授权，请勿转载！