机器学习解析吸烟行为的多模态标记：从社交环境到前额叶皮层的跨维度研究

这篇研究通过机器学习方法（XGBoost模型）分析基于人群的队列数据，揭示了区分吸烟者与非吸烟者的多模态标记，并预测10年随访期的长期戒烟成功率（AUROC达0.85-0.92）。研究采用10次重复嵌套交叉验证（10外折/5内折），整合了前额叶功能（P50γ波段）、认知控制（Stroop任务）和社交环境等关键因素，建立了吸烟行为的多因素模型，为个性化戒烟策略的开发提供了新思路。

　　

ABSTRACT

研究揭示了吸烟轨迹的显著异质性，从偶尔使用到成功戒断存在明显的个体差异。机器学习方法成功捕捉了传统统计难以发现的复杂模式，通过分析707名吸烟者（含222名FTND≥4的重度吸烟者）和864名非吸烟者的基线数据，以及10年随访期的60名成功戒断者与81名持续吸烟者的数据，建立了高性能分类模型。关键发现包括前额叶γ波段神经活动、认知控制指标和社会环境因素对吸烟状态的预测价值。

1 引言

烟草成瘾导致全球13%的死亡，其行为变异性源于社会人口统计学、环境和神经生物学因素的复杂交互作用。前额叶皮层（PFC）在成瘾过程中的核心作用得到脑成像和非侵入性脑刺激（NIBS）研究的支持，表现为认知控制减弱和冲动性增加。同时，同伴影响和城市居住环境等社会因素也被证实与吸烟行为密切相关。本研究创新性地应用机器学习整合多维度数据，旨在识别预测长期戒烟结局的关键生物行为标记。

2 方法

2.1 研究设计与人群

基于尼古丁队列研究（NCS）的2396名参与者（1116名吸烟者/1280名非吸烟者），收集了社会人口统计学、临床问卷、神经心理学和电生理（126个EEG指标）数据。10年随访通过在线评估追踪了452名受访者，包括60名成功戒断者（戒断≥1年）和81名持续吸烟者。

2.2 分类模型样本选择

基线模型纳入同时具备任务态和静息态EEG数据的受试者，随访模型则包含所有完成在线调查的参与者。最终样本包括：基线707名吸烟者（45%女性）vs.864名非吸烟者（40%女性）；随访期60名戒断者（38%女性）vs.81名非戒断者（40%女性）。

2.3 特征工程

整合四大领域特征：24个社会人口环境变量、23个临床量表、35个神经心理测试指标和126个EEG参数。对缺失数据采用众数填补，随访样本缺失率为18%（主要源于EEG数据）。

2.4 分类流程

构建包含四步骤的自动化管道：（1）特征填补（2）隔离森林去噪（3）SMOTETomek类别平衡（4）XGBoost分类。对戒烟预测额外采用自编码器提取12个潜在特征。

2.5 模型评估

采用10×5嵌套交叉验证，通过AUROC（曲线下面积）、F1分数等指标评估性能。特征重要性分析使用SHAP值（Shapley加性解释），反映各特征对模型输出的贡献度。

3 结果

3.1 横断面分类

吸烟者vs.非吸烟者模型AUROC达0.85±0.03，重度吸烟者vs.非吸烟者达0.92±0.03。关键预测因子包括：酒精使用量表（AUDIT）评分、社交圈吸烟率和前额叶（Fz位点）P50γ波段活动（图2）。蜂群图显示吸烟者具有更高的酒精使用、更频繁的社交环境吸烟暴露和更低的γ波段神经活动。

3.2 纵向预测

戒断者vs.持续吸烟者模型AUROC为0.68±0.13。Stroop任务一致条件、居住规模、饮食行为控制（QEB）和持续操作测试（CPT）反应时成为最具预测力的特征（图3）。成功戒断者表现出更强的饮食控制能力、更高精神问题求助率、更长Stroop完成时间和更低风险规避倾向。

3.3 敏感性分析

分领域评估显示：社会人口环境（AUROC=0.78）和EEG特征（0.70）对基线分类贡献显著；而戒断预测中社会因素（0.63）优于EEG指标（0.51）。重度吸烟者分类则均衡依赖所有领域特征（图4）。

4 讨论

4.1 前额叶机制

P50γ波段活动和Stroop表现作为前额叶功能的生物行为标记，与fMRI发现的背外侧前额叶（DLPFC）功能低下高度一致。经颅磁刺激（rTMS）研究证实DLPFC调控对减少渴求的有效性，为神经调控干预提供靶点。

4.2 社会环境交互

社交网络吸烟暴露和就业状态构成重要环境预测因子，反映社会支持对行为改变的促进作用。酒精使用（AUDIT）与P50门控缺损的共现，提示物质共用的神经基础。

4.3 临床转化价值

多模态模型实现了跨越十年的行为预测，支持：（1）神经功能缺损者适用NIBS干预（2）环境高风险人群需要社交网络干预（3）整合EEG标记可优化复发风险评估。这为精准医学在成瘾领域的应用提供了方法论框架。

研究局限性包括样本代表性和长期随访中的混杂因素。未来方向应聚焦于：（1）动态多模态数据整合（2）可解释AI模型开发（3）临床转化工具验证。通过深化对前额叶-环境交互机制的理解，推动个性化戒烟策略的发展。