综述：社交媒体上人工智能在物质使用预防方面的创新：一项范围综述

《Public Health》：Artificial intelligence innovations in substance use prevention on social media: A scoping review

本研究通过范围综述分析人工智能/机器学习在社交媒体预防物质滥用的应用，涵盖15项研究，主要应用于趋势监控、风险预测和干预评估，发现技术挑战包括模型可解释性、数据不平衡及伦理问题，建议加强可解释AI、人工验证和跨平台整合。

　　

范Thanh Nguyen|Huy Phan Khanh Le|Giang Minh Le|Anh Quang Mai|Trang Thu Nguyen

越南河内医科大学预防医学与公共卫生学院

摘要

目的

本范围综述探讨了人工智能（AI）/机器学习（ML）模型在社交媒体平台上用于预防物质使用的当前应用情况，以及其中面临的关键挑战和实施建议。

研究设计

我们的范围综述遵循了Arksey和O'Malley提出的文献搜索框架，以及PRISMA-ScR指南进行报告。

方法

我们搜索了截至2024年11月的七个数据库。纳入的研究是在社交媒体平台上应用AI/ML来预防物质使用的。数据以图表形式呈现，并进行了叙述性综合，重点关注研究特征、目标物质、社交媒体平台、AI模型类型、应用目的、关键挑战和建议。

结果

共纳入15项研究，这些研究主要关注使用AI/ML来监测与物质使用相关的趋势、预测行为风险以及评估预防活动。Twitter是最常被研究的平台，大多数研究在美国进行。在这些研究中，应用了22种AI/ML模型，主要包括自然语言处理（50.0%）、机器学习分类器（36.4%）和计算机视觉技术（13.6%）。限制AI/ML模型在社交媒体上有效应用的关键挑战包括语言模糊性、模型可解释性、数据不平衡和伦理问题。建议强调需要可解释的AI、人工验证和跨平台数据整合。

结论

现有证据存在一些局限性，包括对AI模型开发和验证的报道不足、样本特征不明确以及结果测量不一致，这些因素阻碍了质量评估和可比性。目前AI/ML在社交媒体上用于预防物质使用的应用主要是描述性的，缺乏实时性和用户参与度。大多数证据来自高收入、英语国家。为了提高效果，未来的研究应解决技术和伦理障碍，采用纵向设计，并开发交互式、本地化的干预措施。

引言

物质使用仍然是一个重大的全球公共卫生问题，2022年估计有2.92亿人受到影响，约占全球人口的十八分之一。¹世界卫生组织指出，每年约有60万人死于精神活性物质的使用，其中阿片类药物导致超过40万人死亡，其次是安非他明，每年导致近5万人死亡。²除了对个人健康的后果外，物质使用还会破坏家庭并给社会带来巨大负担。例如，仅在加拿大，每年与阿片类药物相关的医疗成本就超过490亿加元；在韩国，这一数字约为26.5亿加元。^{3, 4}

青少年是一个特别脆弱的群体，因为他们正处于神经发育过程中，这会增加他们采取风险行为的倾向，包括早期开始使用物质。这种早期接触与发展成物质使用障碍、认知障碍和共病精神健康问题的风险显著增加有关。⁵2021年，估计有1000万10至19岁的青少年患有物质使用障碍，相当于每10万人中有88.29人的伤残调整生命年率。⁶因此，针对这一关键发展阶段的干预措施对于减轻长期危害至关重要。

社交媒体平台已成为影响青少年物质相关行为的关键环境，既提供了预防机会，也带来了风险暴露的途径。TikTok、Instagram和YouTube等平台在年轻人中的广泛使用为传播可扩展的健康信息和提供针对性的物质使用预防干预措施带来了前所未有的潜力。⁷然而，这些平台也可能让用户接触到促进物质使用的内容，尤其是通过同伴和网红的影响。⁸人工智能（AI）和机器学习（ML）的结合为利用社交媒体数据进行公共卫生监测和干预提供了强大的工具。这些技术使系统能够在无需明确编程的情况下学习模式并进行预测。⁹先前的研究表明，可以根据用户在Instagram上的活动使用ML来识别高风险个体。¹⁰

尽管人们对这一领域的兴趣日益增长，但对当前AI/ML应用、它们面临的挑战以及如何更好地利用它们的全面理解仍然不足。为了解决这一不足，我们进行了范围综述，以描绘通过社交媒体平台进行物质使用预防的AI/ML应用的现状。具体来说，本综述试图回答以下问题：(1)

AI/ML模型是如何应用于社交媒体平台来预防物质使用的？

(2)

在这种情况下利用AI/ML面临哪些当前挑战和建议？

研究设计

我们的范围综述遵循了Arksey和O'Malley提出的框架，该框架包括四个步骤：文献搜索、数据筛选、数据提取和综合。¹¹PRISMA-ScR（系统评价和荟萃分析的优先报告项目扩展，适用于范围综述）的指南也指导了我们的报告方法。¹²该综述协议于2025年3月25日在Open Science Framework上注册，网址为：https://doi.org/10.17605/OSF.IO/H637J。

搜索策略

我们总共搜索了七个数据库

纳入研究的特点及AI/ML模型在社交媒体平台上用于预防物质使用的应用

共有15项符合标准的研究被纳入本综合分析。这些研究发表于2016年至2024年间，所有研究均为英文撰写，只有两项研究使用了额外语言（法语和土耳其语，分别对应加拿大和土耳其的研究地点）。其中8项研究来自美国，其余研究要么未指明数据来源国，要么基于加拿大或土耳其。

五个社交媒体平台作为数据来源：

讨论

本综合分析中纳入的15项研究调查了AI/ML模型在社交媒体数据上用于预防物质使用的应用情况。根据AI的作用，这些研究被分为三类：监测与监控（n = 7）、

15, 16, 17, 18, 20, 21, 22

、行为分析与预测（n = 6）、

10, 13, 14, 23, 24, 26

以及预防活动的评估（n = 2）。

19, 25

在所有类别中，AI模型主要用于检测与物质使用相关的

伦理声明

本研究是对已发表文献的范围综述，由于未涉及人类参与者或主要数据收集，因此不需要伦理批准。

资金支持

本研究部分得到了“The Equity Initiative”的“2024 Strengthening In-Country Equity Network Support”项目的资助，该项目是“Connect and Protect: Youth Substance Use Initiative”的一部分，旨在为越南的研究人员、倡导者和社区成员建立和扩展青少年物质使用预防网络。

利益冲突声明

内容仅由作者负责，在分析、报告和传播研究结果过程中不存在任何利益冲突。

致谢

本研究部分得到了“The Equity Initiative”的“2024 Strengthening In-Country Equity Network Support”项目的资助（未提供项目编号），该项目是“Connect and Protect: Youth Substance Use Initiative”的一部分，旨在为越南的研究人员、倡导者和社区成员建立和扩展青少年物质使用预防网络。