罗盘 / 成瘾复发的数字表型预警
暗星档案 · 未点亮的星成瘾复发的数字表型预警
本条为初评草案（AI 辅助编目）：T 阶为三问初评（撬动面 × 停滞度 × 临界性），双评过 σ 门并红蓝复核后才升"已建档"。查不到的字段留空不编。点亮者会进入亮星候选流程，其贡献与星阶按 HCF 独立重评，不从暗星自动继承。
成瘾复发的数字表型预警T5 量级 · 新星
在渴求变成复发之前的90分钟窗口里介入
暗星编号DS-0742
轴R · 风险与文明安全
领域cognition-education
状态初评草案 · 待双评与红蓝复核
这是什么 · 为什么难
通过智能手机GPS轨迹、社交行为模式、皮肤电反应等被动传感数据结合机器学习,已实现提前90分钟预测阿片类物质使用障碍患者的渴求或应激状态(阳性预测值达0.93),原理上可在患者靠近'触发点'(如常去的购药地点)时主动预警介入。攻破意味着把这类实验室验证的预测模型,做成可大规模部署、隐私合规、真正能触发有效即时干预(而非单纯预警骚扰)的临床级复发预防系统。
卡在哪 · 机制级卡点
卡在被动传感数据的隐私与安全边界(持续追踪地理位置本身构成监控风险与依从负担)、预测模型跨人群泛化能力弱(在一个队列训练的模型换人群准确率大幅下滑)、以及'预警之后触发什么干预'这一环节的证据几乎空白——知道要复发和有效阻止复发是两件事。
谁在攻
David Epstein 团队（美国国立药物滥用研究所 NIDA）阿片类物质使用障碍数字表型预测研究
怎么参与
移动健康(mHealth)工程与机器学习背景可参与预测模型开发,成瘾医学背景可参与即时干预方案设计