پایش تماس‌های تلفنی و پیامکی برای پیش‌بینی لغزش در مراحل اولیه بهبود از اعتیاد به الکل: چه چیزی می‌دانیم و چه چیزی هنوز نامشخص است؟

خلاصه سریع برای خواننده

• مطالعه‌ای طولی روی ۱۴۴ نفر در مراحل اولیه بهبود از اعتیاد به الکل، داده‌های تماس و پیامک تلفن همراه و گزارش‌های روزانه مصرف الکل را برای تا سه ماه جمع‌آوری کرد.
• یک مدل ماشین لرنینگ (الاستیک نت) بهترین عملکرد را داشت با auROC میانه حدود 0.67؛ مدل مبتنی بر تنها ویژگی‌های اولیه (Baseline) عملکرد مشابهی نشان داد (auROC ≈ 0.69).
• ویژگی‌های مربوط به ارتباطات سلولی به تنهایی عملکرد ضعیف‌تری داشتند (auROC ≈ 0.59) اما بالاتر از شانس بودند؛ برخی از این ویژگی‌ها در مدل نهایی باقی ماندند.
• نتیجه کلی: داده‌های تماس و پیامک ممکن است سیگنال‌های مرتبط با ریسک لغزش را نشان دهند، اما افزوده‌ای مشهود بر اطلاعات اولیه بیماران ارائه نکردند.
• محدودیت‌ها شامل جمعیت نسبتاً همگن، اندازه نمونه محدود و چالش‌های تکنیکی و اخلاقی در پایش سلولی است؛ بنابراین تفسیر و کاربرد بالینی باید محتاطانه باشد.

مقدمه

اختلال مصرف الکل (Alcohol Use Disorder یا AUD) یک وضعیت مزمن و تکرارشونده است که بازگشت به مصرف (لغزش یا relapse) در مراحل اولیه بهبود یک مشکل بالینی مهم به شمار می‌رود. توانایی پیش‌بینی دوره‌های با ریسک بالای لغزش می‌تواند به ارائه حمایت هدفمند در لحظات بحرانی کمک کند. در سال‌های اخیر، جمع‌آوری داده‌های رفتاری از طریق تلفن‌های همراه و تحلیل آن‌ها با روش‌های یادگیری ماشینی به‌عنوان یک ابزار بالقوه جهت پایش غیرمداخله‌ای در نظر گرفته شده است.

مطالعه‌ای که در ژورنال PLOS One در سال ۲۰۲۶ منتشر شد، برای ارزیابی این ایده انجام گرفت: آیا داده‌های تماس و پیامک (cellular communication sensing) همراه با اطلاعات پایه بیمار می‌توانند پیش‌بینی‌کننده لغزش روز بعد در افراد در مراحل اولیه بهبود از AUD باشند؟ در ادامه به روش، نتایج، محدودیت‌ها و پیامدهای بالینی این تحقیق می‌پردازیم.

روش‌شناسی مطالعه

طراحی و جمعیت

این یک مطالعه طولی و مشاهده‌ای بود. 144 شرکت‌کننده که هدف ترک یا امتناع از مصرف الکل را داشتند، برای تا سه ماه پیگیری شدند. مشخصات جمعیت شامل میانگین سنی حدود ۴۰ سال، ۴۹% مرد و ۸۷% غیر هیسپانیک سفیدپوست بود. چنین ترکیب جمعیتی روی تعمیم‌پذیری نتایج تأثیر می‌گذارد.

داده‌ها و اندازه‌گیری‌ها

• شرکت‌کنندگان داده‌های تماس و پیامک تلفن همراه را به‌صورت passive (غیر فعال) ثبت کردند؛ یعنی اطلاعاتی درباره فراوانی، مدت یا الگوهای ارتباطی جمع‌آوری شد.
• همچنین شرکت‌کنندگان چهار بار در روز از طریق EMA (Experience Sampling یا پرسش‌نامه‌های لحظه‌ای) گزارش مصرف الکل خود را ثبت کردند؛ این گزارش‌ها مبنای تعیین لغزش روزانه بودند.
• ویژگی‌های پایه شامل اطلاعات مصرف الکل گذشته، مشخصات دموگرافیک، متغیرهای روانپزشکی و شخصیت بودند.

تحلیل و مدل‌سازی

برای پیش‌بینی لغزش روز بعد از رویکردهای یادگیری ماشینی استفاده شد. مدل‌ها با استفاده از کراس-ولیدیشن k-fold تکراری آموزش و ارزیابی شدند تا برآورد عملکرد پایدارتر ارائه شود. الگوریتم نهایی که بهترین عملکرد را داشت، الگوریتم الاستیک نت بود. سه دسته مدل مقایسه شدند: مدل کامل (داده‌های پایه + داده‌های ارتباطی)، مدل فقط پایه و مدل فقط داده‌های ارتباطی.

نتایج اصلی

عملکرد مدل‌ها با معیار auROC گزارش شد (مساحت زیر منحنی مشخصه عملیاتی گیرنده). نتایج کلیدی عبارت بودند از:

• مدل کامل: میانه auROC ≈ 0.67 (بازه اعتبار ۹۵% بیزی [۰.۶۴, ۰.۷۱]) و ۱۰ ویژگی در مدل نگه داشته شدند.
• مدل فقط پایه: میانه auROC ≈ 0.69 (۹۵% CI [۰.۶۵, ۰.۷۲]) — عملکردی تقریباً مشابه مدل کامل.
• مدل فقط داده‌های ارتباطی: میانه auROC ≈ 0.59 (۹۵% CI [۰.۵۵, ۰.۶۲]) — بالاتر از حد تصادف اما ضعیف‌تر از مدل‌هایی که از اطلاعات پایه استفاده کردند.

تحلیل‌ها نشان داد که برخی از ویژگی‌های ارتباطی با ضرایب متوسط در مدل کامل باقی ماندند، که حاکی از وجود «سیگنال» مرتبط با ریسک لغزش در این نوع داده‌ها است، اما این سیگنال به‌تنهایی یا بر علاوه اطلاعات پایه پیشرفت چشمگیری در پیش‌بینی ایجاد نکرد.

تفسیر نتایج

نتایج مطالعه نشان می‌دهد که:

• داده‌های تماس و پیامک برخی اطلاعات مرتبط با ریسک لغزش را منعکس می‌کنند، اما این اطلاعات به تنهایی بسیار محدود است.
• اطلاعات پایه (تاریخچه مصرف، مشخصات روانی و دموگرافیک) هنوز نقش مهمی در پیش‌بینی خطر روزانه لغزش دارند و در این نمونه افزوده‌ای از داده‌های ارتباطی دریافت نشد.
• بنابراین، استفاده صرف از پایش تماس/پیامک برای شناسایی لحظات پرخطر احتمالاً کافی نیست؛ اما می‌تواند بخشی از مجموعه‌ای از اطلاعات باشد.

این یافته برای بیمار چه معنایی دارد؟

برای افرادی که در مسیر ترک یا کنترل مصرف الکل قرار دارند، نتایج چند پیامد عملی دارد:

• پایش خودکار تماس‌ها و پیامک‌ها ممکن است در شرایطی پشتیبان تشخیص ریسک باشد، اما نباید تنها معیار تصمیم‌گیری برای اقدام درمانی یا هشداردهی تلقی شود.
• اطلاعات زمینه‌ای—مثل سابقه مصرف، وضعیت روانی، و رفتارهای روزانه—هنوز مهم‌ترین منابع برای ارزیابی ریسک نزدیک‌مدت هستند.
• اگر اپلیکیشن یا سرویس‌هایی این نوع پایش را پیشنهاد می‌کنند، باید بدانید که دقت محدود است و نتایج ممکن است خطا (هشدارهای غلط مثبت و منفی) داشته باشد.
• مسائل حریم خصوصی و رضایت آگاهانه برای انتشار داده‌های تماس/پیامک حیاتی است؛ پیش از استفاده از هر ابزار فناورانه، این مسائل را با دقت بررسی کنید.

محدودیت‌ها و نکاتی که باید با احتیاط خواند

• نوع مطالعه: مطالعه مشاهده‌ای و طولی بود؛ این طراحی امکان استنتاج علی را فراهم نمی‌کند و فقط ارتباط‌ها را نشان می‌دهد.
• اندازه و ترکیب نمونه: ۱۴۴ شرکت‌کننده با اکثریت مشخص (۸۷% غیر هیسپانیک سفیدپوست)؛ این ترکیب احتمالاً تعمیم‌پذیری نتایج به جمعیت‌های متنوع‌تر (مثلاً گروه‌های نژادی/فرهنگی دیگر یا سنین مختلف) را محدود می‌کند.
• پوشش زمانی و گمشدگی داده: پیگیری حداکثر تا سه ماه بوده است؛ بنابراین اطلاعاتی درباره دوره‌های طولانی‌تر بهبود در دسترس نیست. همچنین داده‌های گوشی همراه ممکن است ناقص یا متناوب باشند (مثلاً افراد ممکن است از دستگاه‌های مختلف استفاده کنند یا داده‌ها به‌خاطر تنظیمات حریم خصوصی ثبت نشوند).
• محدودیت‌های فنّی سنجش ارتباطات: داده‌های تماس/پیامک صرفاً نشان‌دهنده جنبه‌هایی از رفتارهای اجتماعی است؛ کیفیت تعاملات، محتوای پیام و زمینه‌های مهم (مثلاً ملاقات رودررو، پشتیبانی حضوری) در این سنجش دیده نمی‌شود.
• پیچیدگی مدل‌سازی: مدل‌های یادگیری ماشینی در نمونه‌های محدود ممکن است دچار بیش‌برازش یا ناپایداری شوند؛ همچنین تفاوت‌های در عملکرد بین نمونه‌های آموزش و کاربرد واقعی قابل انتظار است.
• قابل‌اعتماد نبودن سیگنال‌ها: حتی اگر برخی ویژگی‌های ارتباطی در مدل باقی بمانند، اندازه اثر متوسط و شرایط خاصی که این سیگنال‌ها معتبر هستند، هنوز روشن نیست.

نظر تحریریه پزشک سایت

این تحقیق گام مهمی در جهت ارزیابی ارزش بالینی پایش غیرمداخله‌ای با استفاده از داده‌های ارتباطاتی تلفن همراه برای افرادی است که در مراحل اولیه بهبود از اعتیاد به الکل به سر می‌برند. یافته‌ها نشان می‌دهند که چنین داده‌هایی یک سیگنال محدود دارند اما به‌طور آشکار جایگزین اطلاعات کلینیکی و خودگزارشی پایه نمی‌شوند. به نظر می‌رسد کاربرد واقعی این نوع پایش در ترکیب با پرسش‌نامه‌های روزانه، ارزیابی بالینی منظم و سایر داده‌های رفتاری (مثلاً مکان، فعالیت فیزیکی، خواب) بیشتر محتمل و قابل‌اطمینان‌تر باشد.

از منظر بالینی و سلامت عمومی، پیش از آن‌که چنین ابزارهایی به‌صورت گسترده در مراقبت بالینی پذیرفته شوند، نیاز به مطالعاتی با جمعیت‌های متنوع‌تر، دوره پیگیری طولانی‌تر و بررسی هزینه-فایده و پیامدهای اخلاقی و امنیتی وجود دارد. همچنین برای بیماران و ارائه‌دهندگان مراقبت، شفافیت درباره محدودیت‌ها و احتمال خطا در این سامانه‌ها ضروری است.

چه زمانی باید با پزشک مشورت کرد؟

اگر شما یا کسی که مراقب او هستید در مسیر ترک الکل قرار دارد، در موارد زیر سریعاً با یک پزشک یا ارائه‌دهنده مراقبت تماس بگیرید:

• شروع یا افزایش نشانه‌های شدید محرومیت (مانند تشنج، هذیان، تب بالا، ضربان قلب سریع یا تپش، توهم)
• افزایش ناگهانی در تمایل یا برنامه بازگشت به مصرف که ممکن است منجر به نوشیدنِ پرخطر یا سنگین شود
• تغییرات جدی در خلق یا رفتار، از جمله افکار خودکشی یا خشونت
• حاملگی یا شرایط پزشکی جدی مانند بیماری‌های قلبی که مصرف الکل می‌تواند ریسک را افزایش دهد
• نیاز به تنظیم داروهای درمانی، یا در صورت بروز عوارض جانبی داروها

در موارد اورژانسی مثل تشنج یا هذیان، فوراً با اورژانس تماس بگیرید.

پرسش‌های رایج

آیا اطلاعات تماس و پیامک واقعا می‌تواند نشان‌دهنده خطر لغزش باشد؟

در این مطالعه، داده‌های تماس/پیامک نشانه‌های ضعیف تا متوسط مرتبط با لغزش داشتند؛ یعنی این داده‌ها ممکن است بخشی از الگوهای خطر را منعکس کنند، اما به‌تنهایی پیش‌بینی‌کننده قوی نیستند.

آیا استفاده از این نوع پایش را توصیه می‌کنید؟

توصیه قطعی وجود ندارد. این ابزارها ممکن است در کنار ارزیابی‌های بالینی و خودگزارشی مفید باشند، اما نباید تنها مبنای تصمیم‌گیری درمانی قرار گیرند. همچنین مسائل حریم خصوصی را در نظر بگیرید.

آیا نتایج برای همه جمعیت‌ها معتبر است؟

خیر. نمونه مطالعه نسبتاً همگن بود و لازم است نتایج در جمعیت‌های متنوع‌تر و با اندازه نمونه بیشتر تکرار و اعتبارسنجی شود.

آیا این فناوری می‌تواند جایگزین مصاحبه‌های بالینی شود؟

خیر. داده‌های تلفن همراه می‌توانند مکمل مصاحبه بالینی باشند، اما اطلاعات عمیق‌تری درباره سابقه، انگیزه‌ها و زمینه بالینی تنها از طریق تماس مستقیم با ارائه‌دهنده قابل‌دستیابی است.

چطور می‌توانم از حریم خصوصی خود محافظت کنم اگر بخواهم از اپ پایش استفاده کنم؟

از اپ‌هایی استفاده کنید که شفاف درباره نوع داده‌های جمع‌آوری‌شده، مدت نگه‌داری داده، و شیوه اشتراک‌گذاری اطلاعات هستند. رضایت آگاهانه، گزینه غیرفعال‌سازی و قابلیت حذف داده‌ها باید وجود داشته باشد.

بحث کاربردی و گسترده‌تر

رویکردهای مبتنی بر داده‌های تلفن همراه برای پشتیبانی از بهبود اعتیاد نویدهایی دارند: امکان پایش مداوم، هزینه کمتر نسبت به تماس‌های مکرر انسانی، و فراهم کردن اطلاعات زمانی (time-varying) که ممکن است به شناسایی پنجره‌های خطر کمک کند. اما این فناوری‌ها با چالش‌هایی هم روبرو هستند:

• مشکل تعیین زمینه واقعی یک تعامل تلفنی یا پیامکی؛ مثلاً تماس با یک دوست حمایتی در برابر تماس برای برنامه‌ریزی خرید الکل ممکن است متفاوت تفسیر شود و داده‌های خام این تمایز را نشان نمی‌دهند.
• تأثیر متغیرهای محیطی و فرهنگی بر الگوهای ارتباطی؛ مثلاً برخی افراد کمتر از تماس تلفنی و بیشتر از پیامک یا ملاقات حضوری استفاده می‌کنند که این تفاوت‌ها ممکن است تفسیر سیگنال‌ها را پیچیده کند.
• ریسک‌های مربوط به حفظ حریم خصوصی و امنیت داده‌ها که باید به‌درستی مدیریت شوند تا به اعتماد بیماران لطمه نخورد.

جمع‌بندی کاربردی

مطالعه PLOS One نشان داد که داده‌های تماس و پیامک تلفن همراه مقداری سیگنال مرتبط با لغزش روزبعد در افراد در بهبود از اعتیاد به الکل دارند اما این سیگنال به‌تنهایی قوی نیست و افزوده معناداری نسبت به اطلاعات پایه ارائه نکرد. برای کاربرد بالینی:

• به کارگیری پایش ارتباطات سلولی باید به‌عنوان ابزاری کمکی و نه جایگزین ارزیابی بالینی در نظر گرفته شود.
• قبل از پیاده‌سازی گسترده، نیاز به مطالعات بیشتر با جمعیت‌های متنوع‌تر و بررسی پیامدهای عملی و اخلاقی وجود دارد.
• بیماران و ارائه‌دهندگان باید از محدودیت‌های دقت و مسائل حریم خصوصی آگاه باشند.

منبع

متن مقاله منبع: “Evaluating cellular communication sensing for lapse risk prediction during early recovery from alcohol use disorder: A longitudinal observational study”، PLOS One، ۲۰۲۶. لینک: https://doi.org/10.1371/journal.pone.0355396

نکته نهایی: این گزارش تحلیل و تفسیر مقاله منتشرشده است و خود سایت پزشک سایت مطالعه را اجرا نکرده است. متن تفسیر با هدف کمک به درک یافته‌ها و محدودیت‌ها تهیه شده و جایگزین مشاوره پزشکی شخصی نیست.

مطالب این مقاله فقط برای افزایش آگاهی عمومی است و جایگزین تشخیص یا درمان پزشکی نیست. برای اطلاعات بیشتر، صفحه سیاست پزشکی و سلب مسئولیت پزشک سایت را بخوانید.