临床异质性样本中基于被动智能手机感知的瞬时情感个性化预测——机器学习与混合效应方法评估

《Behavior Therapy》：Personalized Prediction of Momentary Affect with Passive Smartphone Sensing Data in a Clinically Heterogeneous Sample An Evaluation of Machine Learning and Mixed Effects Approaches

　　

被动智能手机感知（passive smartphone sensing）为连续心理健康监测提供了一种可扩展、低负担的方法，但多数基于被动感知预测瞬时心理状态的研究依赖小型、临床同质样本，限制了泛化性与临床效用。本研究评估了基于模型和基于数据处理的两类方法，用于融合混合效应与机器学习方法，以在308名成人（66%有精神科诊断）的大型临床多样样本中实现瞬时心理状态的个性化预测。参与者完成15天生态瞬时评估（ecological momentary assessment, EMA；23,560个观测），并接受GPS、加速度计、通话、屏幕点亮时间（screen-on-time）和睡眠数据的被动感知。研究人员预测5个连续结局：阳性情感（positive affect）、负性情感（negative affect）、压力（stress）、能量（energy）和抑郁复合分（depression composite）。为平衡群体水平与个性化预测，研究人员评估了混合效应回归树提升（mixed effects regression tree boosting, MERT boosting）——一种基于模型融合混合效应与机器学习的方法——并将其与群体水平池化模型（pooled models）、完全个性化模型和线性混合模型（linear mixed models, LMM）比较。研究人员还评估了集群均值中心化（cluster-mean centering, CMC）作为一种基于数据处理的方法。尽管MERT boosting在本任务中表现不佳，CMC显著改善了池化机器学习性能，使简单的池化XGBoost（eXtreme Gradient Boosting）模型能够匹配或超过完全个性化模型和MERT boosting方法。最佳模型与既往工作相比具有优势，在保留测试数据上总体R²为0.38–0.49，平均个体特异（idiographic）R²为0.16–0.26，其中能量和抑郁复合分是最可预测的结局。这些结果具有直接临床意义：当数据经过适当预处理时，可扩展的群体水平模型可与个性化模型相媲美，从而降低真实世界部署的障碍。本研究通过展示具有临床相关性的规模化情感预测，并将CMC识别为可扩展个性化的关键工具，推进了数字表型（digital phenotyping）研究。

研究背景：被动智能手机感知（passive smartphone sensing）为心理健康提供低负担、非侵入性的连续监测途径，数字表型（digital phenotyping）研究关注利用智能手机多模态感知数据刻画日常生活中展开的心理健康状态。既往研究表明，利用GPS、加速度计、麦克风、屏幕使用等被动数据预测瞬时情感（momentary affect）具有可行性，并可能服务于即时自适应干预（just-in-time adaptive interventions, JITAIs）。然而，现有研究多依赖小型样本和临床同质人群，常少于100人，或集中于单一临床表型，限制泛化性与临床效用。大型临床异质样本中的短时情感动态可能更接近临床现象全貌，但预测更难，需要更丰富、更灵活的模型。个体特异（idiographic）模型虽可贴合个体，但存在数据稀疏、可扩展性差和难以为新个体预测等问题；群体水平模型易部署，却难以捕捉个体差异。因此，需要评估能同时利用群体与个体信息的方法。本研究在308名临床异质成人中比较混合效应与机器学习融合方法，评估MERT boosting、池化XGBoost、完全个性化随机森林（random forest）和LMM，并考察CMC预处理。研究显示，CMC可显著提升池化机器学习表现，使简单池化XGBoost匹配或超过个性化与MERT boosting方法；最佳模型总体R²为0.38–0.49，平均个体特异R²为0.16–0.26，能量和抑郁复合分最可预测。该研究的意义在于证明适当预处理下可扩展群体模型可接近个性化模型，降低真实世界部署障碍，并推进可扩展个性化数字表型。

关键技术方法（≤250字）：数据来自ILIADD研究（Mostajabi et al., 2026；Ringwald et al., 2025），552名成人中最终纳入308名iOS用户，完成15天EMA及被动感知GPS、加速度计、通话、屏幕点亮时间和睡眠数据，共23,560个观测；预测阳性情感、负性情感、压力、能量和抑郁复合分。模型包括MERT boosting、池化XGBoost（含或不含person固定效应）、LMM和个性化随机森林；特征变体为原始水平1预测变量、CMC水平1预测变量、水平2预测变量加CMC水平1预测变量；采用80/20训练-留出划分、5折受试者内交叉验证和10个随机种子，以R²和均方根误差（root mean square error, RMSE）评价。

研究结果：3.1 样本特征：通过描述性统计，最终样本为308名参与者，平均完成76次EMA提示，共23,560个数据点；平均年龄29（SD=8.5），患者健康问卷-9（Patient Health Questionnaire-9, PHQ-9）均值为7.84（SD=5.55），84.1%为White，75%为顺性别女性，51%目前接受治疗。该样本具有临床异质性，但人口学相对同质。3.2 主要假设评估——预测准确性与模型比较：通过留出集R²、RMSE和预测-观测相关比较各模型与结局，MERT boosting部分支持原假设，在多数条件下优于LMM，但被个性化随机森林和带person固定效应的池化XGBoost超过；仅在原始水平1预测变量时优于简单池化XGBoost。使用原始水平1预测变量时，个性化随机森林最佳，简单池化XGBoost表现差；采用CMC后，池化XGBoost匹配个性化随机森林；加入水平2预测变量仅带来轻微改善，person固定效应仅在未CMC时改善XGBoost。最佳模型中，CMC池化XGBoost一致达到最佳或匹配个性化随机森林；能量在个体内水平最可预测，抑郁复合分和压力在同时考虑个体内与个体间方差时最可预测，负性情感在两个水平均较难预测。数值上，总体R²为0.38–0.49，平均个体内R²为0.16–0.26；能量个体内R²=0.26，负性情感个体内R²=0.16、总体R²=0.38，抑郁复合分总体R²=0.49。

讨论总结：MERT boosting未如预注册假设那样优于其他方法；更简单的池化XGBoost在CMC或person固定效应下达到更优或等效表现。最关键的方法学发现是CMC：其将预测变量分解为集群均值成分（稳定个体间差异）和集群中心化成分（个体内波动），使模型分别学习个体间与个体内效应，避免生态谬误和Simpson悖论式混淆。未中心化时，个性化模型因仅见单个体数据而自然规避该问题；CMC后池化模型可匹配或超过个性化模型，并保留跨个体借力和潜在新个体应用优势。水平2基线特质与人口学变量仅带来边际增益，提示与情感预测相关的系统个体间方差多已由被动感知特征的人均值差异捕捉。LMM整体表现差于机器学习方法，说明情感预测涉及复杂非线性关系；随机斜率对LMM改善明显，对MERT boosting仅在原始水平1预测变量时有明显增益。可预测性方面，能量个体内可预测性较高，可能与加速度计和GPS等活动指标有关；负性情感较难预测，可能因其更受离散日常事件和外部压力源影响，被动感知难以充分捕捉。总体绝对性能与Jacobson and Chung（2020）基准相当或更优，尽管本研究样本更大且临床更异质。局限包括：传感器组合较有限，缺少keystroke dynamics、heart rate和semantic location；仅纳入iOS用户；因MERT boosting实现限制未能测试完全未见个体；样本人口学较同质（84% White、6% Hispanic、75% female）且均在美国收集；预测变量变体分析为事后探索、未预注册；EMA自报结局存在测量限制，且未对结局进行CMC。临床意义上，能量和抑郁复合分可作为监测与干预的可行靶点，CMC应被视为密集纵向数据机器学习的标准预处理步骤；但当前绝对性能仍属中等，尚不足以支持完全自主的情绪预测或临床决策，可作为临床辅助信息。

研究结论（翻译）：总之，本研究展示了被动智能手机感知在大型临床多样样本中预测瞬时情感状态的潜力与当前局限。尽管绝对预测准确性仍属中等，研究结果揭示了哪些情感维度最可预测，并强调了集群均值中心化在处理层级数据结构中的关键方法学重要性。这些见解增进了对数字表型的理解，并为未来开发临床可行、个性化的心理健康监测系统提供了基础。