準確率達85%

英國最新研究發現，智能手機內建的加速規、陀螺儀及磁強計等感測器，能透過記錄使用者日常細微動作，預測吸菸行為、菸癮強度及戒菸後的復吸風險。相關成果已發表於科學期刊《Scientific Reports》。

研究由曼徹斯特城市大學與蘭開夏大學團隊進行，共招募17名吸菸者參與。研究期間長達三個半月，參與者前兩週需透過手機應用程式記錄每次吸菸行為，其後三個月則定期回報戒菸期間的菸癮程度與復吸情況。同時，手機持續收集動作、光線、時間及GPS等數據。

研究結果顯示，深度學習模型「1D-CNN-BiLSTM」僅利用手機運動感測數據，即可在5分鐘內以85%的準確率判斷是否發生吸菸行為，明顯高於傳統以時間等因素分析的63%。在三個月戒菸追蹤期間，該模型預測菸癮與復吸風險的準確率亦達78%。

研究人員指出，即使模型使用其他吸菸者的數據進行訓練，預測效果仍保持穩定，顯示吸菸相關行為模式具有一定共通性。未來這項技術可整合至戒菸應用程式，在使用者產生菸癮前主動推送個人化提醒，提高戒菸成功率。

不過，研究亦存在限制，包括樣本數較少、參與者均來自英國，以及吸菸紀錄依賴自我回報等。研究團隊認為，相關技術未來除應用於戒菸外，也有機會延伸至暴食、失眠、心理健康及飲食失調等健康管理領域。（編輯部）