Forscher der Manchester Metropolitan University und der University of Lancashire haben eine bahnbrechende Technologie entwickelt, die winzige Bewegungsmuster von Smartphones nutzt, um Raucherlust und Rückfälle präzise vorherzusagen. Die Studie, die im Fachjournal Scientific Reports veröffentlicht wurde, zeigt, dass mit dieser Methode auch andere süchtige Verhaltensweisen und psychische Erkrankungen frühzeitig erkannt und behandelt werden könnten. Im Rahmen des Experiments sammelten Forscher zwei Wochen lang passiv Bewegungsdaten von 17 Rauchern, während diese ihren normalen Alltag in einem unkontrollierten Umfeld verfolgten. Die Teilnehmer markierten ihre Zigarettenaufnahmen über einen Knopf in einer App. Ein spezieller Algorithmus verarbeitete die mikroskopischen Feinbewegungen des Smartphones und sagte voraus, wann ein Nutzer wahrscheinlich zu einem Zigarettenkonsum neigte oder bereits konsumierte. Das Modell erreichte dabei eine Genauigkeit von 85 Prozent innerhalb eines Fünf-Minuten-Fensters. Besonders bemerkenswert ist, dass das System auch dann hochpräzise arbeitete, wenn die Nutzer sich zum Raucherentwöhnung verpflichtet hatten. Es gelang, Situationen hohen Cravings und potenzieller Rückfälle zu identifizieren. Zudem zeigte sich, dass diese Mikro-Bewegungssignaturen zwischen verschiedenen Menschen vergleichbar sind, sodass Modelle trainiert wurden, die auch auf Daten anderer Nutzer zurückgreifen können. Das Ziel dieser Technologie ist die Entwicklung intelligenter Anwendungen für die Suchttherapie. So könnte eine App den Nutzer kurz vor einem vorhergesagten Suchtmoment automatisch mit einer motivierenden Bildnachricht anschalten. Je nach persönlichem Abstinenzgrund könnte dies ein Bild der Ziellinie eines Rennens bei Herz-Kreislauf-Problemen oder ein Familienfoto bei der Motivation, den Kindern vorzuleben, sein. Derartige rechtzeitige Interventionen sollen den Nutzer davon abhalten, der suchtdrängenden Impuls nachzugeben. Dr. Yael Benn, Psychologin an der Manchester Metropolitan University und Co-Autorin der Studie, betonte das enorme Potenzial dieser Methode. Sie verdeutlichte, dass die digitale Aufzeichnung mikroskopischer Bewegungsdetails einen entscheidenden Schritt in Richtung komplexer Modelle zur Früherkennung und Intervention bei verschiedenen Gesundheitszuständen darstelle. Neben dem Rauchen könnten ähnliche Muster bei Essstörungen, Binge-Eating oder Schlaflosigkeit erkannt werden. Bisherige Forschungsansätze konzentrierten sich oft auf Umweltfaktoren, soziale Umstände oder interne mentale Zustände. Die Nutzung von Smartphone-Sensordaten für solche Vorhersagen ist ein Novum. Dr. Maryam Abo-Tabik von der University of Lancashire verwies darauf, dass die Analyse von Daten in alltäglichen Umgebungen ohne Laboreinschränkungen wertvolle Einblicke in reales Verhaltensänderungen ermöglicht. Während frühere Gesundheitsanwendungen oft auf Wearables in kontrollierten Umgebungen angewiesen waren, bietet dieser Ansatz nun die Möglichkeit, Verhalten in der realen Welt lückenlos zu überwachen. Die Studie demonstriert somit, wie Smartphone-Daten, die dem Nutzer oft entgehen, genutzt werden können, um nicht nur das Rauchverhalten, sondern künftig auch ein breiteres Spektrum an suchtbedingten und zwanghaften Verhaltensmustern zu erkennen und gezielt zu behandeln.