AI 靠滑手機「微動作」抓出菸癮，有望打造個人專屬戒菸 App

一項最新研究指出，智慧型手機內建的加速規、陀螺儀與磁強計等感測器，能夠在日常生活中靜默記錄使用者的細微動作，並藉此預測吸菸渴求感與戒菸後的復吸風險。研究結果已發表於科學期刊《Scientific Reports》。

曼徹斯特城市大學（Manchester Metropolitan University）與蘭開夏大學（University of Lancashire）研究團隊招募 17 名吸菸者，透過智慧型手機應用程式進行為期三個半月的數據收集。前兩週，參與者每次吸菸即在應用程式中按鈕記錄；後續三個月則以 5 個等級回報戒菸期間的菸癮強度與復吸情形，手機同步持續記錄動作、光線、時間與 GPS 等多項數據。

在預測表現上，深度學習模型「1D-CNN-BiLSTM」僅憑手機運動數據，即可在 5 分鐘內以 85% 的準確度判斷是否有吸菸行為，遠高於採用時間等傳統因子的 63%。戒菸後三個月的追蹤期間，同一模型預測菸癮與復吸的準確度也達 78%。更值得關注的是，即使以其他吸菸者的數據訓練模型，預測效能依然穩定，顯示吸菸相關的行為模式具有一定程度的共通性。

研究團隊認為，此技術可整合至戒菸支援應用程式，在菸癮出現前主動推播個人化提示，例如針對健康取向的使用者顯示終點線照片，或針對以家人為動力的使用者推送家人合照。相較於實驗室環境或穿戴式裝置，本研究最大的優勢在於數據來自真實日常情境，貼近一般使用者的生活型態。

不過，研究也存在若干侷限：參與者僅限英國居民，跨文化適用性尚待驗證；吸菸與菸癮紀錄依賴自我回報，可能影響數據精準度；位置資訊因敏感性考量亦未納入模型。研究人員表示，細微動作分析的應用潛力不止於吸菸，未來有望延伸至暴食、失眠、心理健康問題及飲食失調症等領域。