🤖 AI

Longitudinal and Graph-Augmented Prediction of Adolescent Substance Use Onset in the ABCD Study

本研究表明，将纵向建模与来自 ABCD 研究的图增强关系数据相结合，通过构建由时序 XGBoost 和时序图卷积网络组成的堆叠集成模型，显著提高了对青少年物质使用发作的预测能力，并实现了卓越的性能。

原作者： Yixuan He, Jinni Su, Yun Kang

发布于 2026-08-18

📖 1 分钟阅读☕ 轻松阅读

原作者： Yixuan He, Jinni Su, Yun Kang

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

每年，都有数百万青少年喝下第一口酒精或尝试大麻。虽然许多人只是尝试一下便不再涉足，但对于某些人来说，这种过早的开始标志着一条通往成瘾和长期健康问题的危险路径的开端。科学家们早已知晓，陷入物质使用的风险并非由出生时决定的固定特征；相反，这是一个随时间展开的故事。一个孩子的环境、他们的友谊、他们的家庭规则以及他们自身不断变化的各种行为，都会随着他们从十岁成长到青少年晚期而发生转变并相互作用。研究人员面临的挑战在于，如何能够足够早地读懂这个正在展开的故事以提供帮助，从而将那些仅仅是出于好奇的孩子与那些正走向麻烦的孩子区分开来。

为了解决这个问题，一个研究小组转向了一个名为“青少年大脑认知发展研究”（Adolescent Brain Cognitive Development Study）的大型持续性项目。这项研究追踪了全美近12,000名儿童，每年对他们进行一次随访，以极其详尽地记录他们的生活。研究人员希望看看他们是否可以利用这一数据流，在孩子们实际开始使用物质之前预测出他们。他们测试了观察数据的三种不同方式：孩子生活在某一特定时刻的快照、孩子生活随时间变化的电影，以及通过家庭、学校和共同经历将孩子们连接在一起的地图。

研究人员首先提出了一个简单的问题：仅仅通过观察孩子生活的一个瞬间，是否足以预测未来？他们提取了该研究第一年的数据，其中包括年龄、家庭收入、学业表现和社区安全等细节，并试图预测谁会在多年后开始饮酒或使用大麻。他们使用强大的计算机程序来寻找这些静态信息中的模式。结果尚可，但并不理想。这些程序可以识别一些风险因素，例如孩子的年龄或家庭对酒精的规定，但它们忽略了青少年成长过程中发生的动态变化。这就像试图通过拍摄一张天空的照片来预测天气；你可以看到云朵，但你无法看到风向的变化或风暴的酝酿。

接下来，团队尝试了另一种方法，将每个孩子直到预测点为止的完整生活史输入计算机。他们提供的不再是单一的快照，而是一个序列更新，展示了一个孩子的行为、友谊和心理健康是如何逐年变化的。事实证明，这种方法要强大得多。通过观察一个孩子生活的轨迹，计算机可以发现单凭快照会错过的预警信号。例如，它变得清晰可见：突然增加与违规结交朋友的行为，或是行为问题的问题上升，都是物质使用可能即将到来的强烈信号。最能捕捉这些变化模式的模型是一个灵活的工具，它能够学习数据中复杂的非线性关系，有效地说明了孩子生活的“故事”比任何“单一章节”都更为重要。

研究人员随后询问，了解孩子认识谁是否能增加更多的价值。青少年并非生活在真空之中；他们受到父母、老师和同伴的影响。为了测试这一点，团队构建了数字地图，通过共同的家庭成员、共同的学校甚至相似的生活环境将孩子们连接起来。他们使用了一种旨在理解这些联系的人工智能，希望它能揭示个体数据点无法显示的隐藏风险。虽然这些地图提供了有用的线索，但它们的表现并未优于单纯追踪孩子自身历史的方法。孩子之间的联系增加了背景信息，但最强有力的信号仍然是孩子自身不断变化的自身行为和环境。

突破出现在研究人员将这些方法结合起来的时候。他们采用了基于时间轴模型的强预测能力，并加入了基于连接地图的洞察力。这种结合比任何单一方法都更有效。通过将个人的生活轨迹与关系的背景相结合，团队实现了预测物质使用起始点最高的准确度。他们最好的模型以高度的可靠性正确识别了酒精和 marijuana 使用的风险，超越了所有依赖静态数据或孤立方法的尝试。

分析还揭示了究竟是什么驱动了这些预测。虽然孩子的年龄始终是一个重要因素，但最关键的预警信号随着孩子年龄的增长而发生了偏移。在早期阶段，家庭规则和社区环境占据主导地位。但当孩子们进入青少年时期，同伴的影响和自身的行为问题成为了最响亮的信号。一个开始与违规行为结交朋友，或者开始表现出外化问题（如攻击性或冲动性）的孩子，其风险显著更高。这些发现表明，保护青少年的最有效方式不仅是观察他们的背景，更是观察他们的世界如何围绕他们发生变化，以及他们如何对此做出反应。

最终，这项工作证明了预测青少年健康的未来需要一种动态的视角。对一个孩子生活的单一评估是不充分的，因为风险是不断演变的。最准确的图景产生于我们追踪一个孩子发展的展开过程，同时理解围绕在他们周围的关系网络。虽然没有任何模型能够绝对确定地预测未来，但这项研究表明，通过将生活的轨迹与联系的地图相结合，我们可以识别出那些最需要帮助的孩子，从而在第一口酒或第一口烟之前，为预防工作提供一条更清晰的路径。

技术摘要：基于 ABCD 研究的青少年物质使用起始的纵向与图增强预测

问题陈述

早期识别青少年的物质使用风险是一项关键的公共卫生挑战，因为早期开始使用与后期物质使用障碍及不良发育结果的高风险密切相关。虽然“青少年大脑认知发育”（ABCD）研究提供了丰富的多领域纵向数据集，但现有的机器学习方法面临两个主要局限性：

静态表示： 大多数模型依赖于基线或横截面数据，未能充分利用风险因素随时间演变的纵向轨迹。
独立性假设： 现有模型通常将参与者视为独立的观测值，忽略了同伴和社会环境对青少年行为具有显著影响的广泛证据。

本研究通过评估整合纵向时间建模和基于图的关系上下文是否能比标准基线方法更好地预测物质使用起始（酒精啜饮、酒精使用、大麻使用及合并使用），来解决这些差距。

方法论

数据与预处理

数据集： 约 11,860 名参与者，涵盖多达 10 个时间波次（T1–T10，年龄 10–17 岁）。
特征： 53 个维度，包括社会人口统计学、个人、家庭、同伴、学校、社区、文化及结构性变量。缺失值（约 55% 的特征-波次单元格）通过全信息极大似然估计结合 EM 算法（FIML-EM）进行处理。
任务：
- 任务 1（基线）： 仅使用第 1 波次的特征来预测最终波次的起始情况。
- 任务 2（时间性）： 使用发生结果之前的所有波次特征来预测最终波次的起始情况。

图构建

为了对关系上下文进行建模，作者构建了 17 种代表不同发育机制的图变体：

基于 ID 的图： 家庭、学校、站点及其并集（例如：学校+家庭）。
特征相似性图： 具有不同稀疏度（ $k=5, 10, 20$ ）的 k-最近邻（kNN）以及余弦相似度图（阈值 0.5%–10%）。
结构： 图是针对每个波次构建的，采用了感知缺失值的距离计算。包含自环，且邻接矩阵经过二值化和行归一化处理。

评估模型

基线（任务 1）： Elastic Net、随机森林（Random Forest）、XGBoost、MLP 和图卷积网络（GCN）。
时间性（任务 2）： LSTM、GRU、时间性 XGBoost（扁平化的 $T \times F$ $T \times F$ 输入）和时间性图卷积网络（T-GCN）。
- T-GCN 架构： 每个波次包含一个 2 层 GCN 空间编码器，随后是一个 GRU 时间更新。
集成/堆叠（Ensemble/Stacking）：
- 分数级堆叠（Score-Level Stacking）： 一个逻辑回归或 XGBoost 模型，用于结合来自时间性 XGBoost 和选定 T-GCN（家庭、kNNsym5、Cos0.5%）的风险评分。
- 增强型 XGBoost（Augmented XGBoost）： 将 T-GCN 风险评分直接附加到扁平化的特征集中。

核心贡献

系统性比较： 对预测四种不同物质使用结果的基线、纵向和基于图的框架进行了严格评估。
多样化的图策略： 实施了多种图构建策略，捕捉家庭、学校和潜在特征相似性关系，以模拟社会和上下文影响。
图增强堆叠框架： 证明了结合时间性 XGBoost 和 T-GCN 预测结果的分数级堆叠方法能够获得最高的预测性能，在所有结果中的 AUC-ROC 值均超过 0.79。

结果

预测性能

纵向优越性： 时间性模型显著优于基线模型。时间性 XGBoost 取得了最强的独立表现，其相对于基线 XGBoost 的 AUC-ROC 增益在 0.086 到 0.171 之间。
图性能：
- 在任务 1 中，标准的树模型（XGBoost、随机森林）优于基线 GCN。
- 在任务 2 中，T-GCN 通常并未超越单独的时间性 XGBoost。家庭图和稀疏特征相似性图（如 kNNsym5）在图变体中表现最好。
集成成功： 分数级堆叠方法（结合时间性 XGBoost 和 T-GCN 分数）在所有结果中均取得了最佳结果：
- AUC-ROC： 0.796（酒精啜饮）至 0.822（酒精）。
- AUC-PR： 较独立模型有持续提升，证实了增益并非完全源于类别不平衡的处理。
- 注：将图评分直接附加到原始特征（增强型 XGBoost）的表现逊于分数级堆叠，这表明图评分作为校准后的集成预测器比作为原始特征在处理高维空间时效果更好。

特征与领域重要性

任务 1（基线）： 由人口统计学（年龄）、结构性（移民偏差）、社区和文化因素（关于酒精的宗教规则）主导。
任务 2（时间性）： 预测信号转向个人和同伴领域。关键预测因子包括同伴偏差（在后期波次，如 t8）、外化问题以及年龄。
图贡献： 图模型强调了相似的特征（年龄、同伴偏差、外化问题），但提供了互补的关系风险摘要。在堆叠模型中，时间性 XGBoost 分数是最大的贡献者，而图分数提供了持续的、非零的辅助信号。

意义与主张

本文声称，纵向建模是预测青少年物质使用起始的主要驱动力，因为发育轨迹包含无法从单一基线快照中获取的风险信息。

虽然基于图的模型并未独立超越强大的时间性表格学习器（如时间性 XGBoost），但本研究表明，基于图的风险评分提供了互补的信息。通过分数级堆叠整合这些关系信号，所提出的框架实现了最先进的性能（AUC-ROC > 0.79），并为将社会和上下文结构纳入风险预测提供了一个有前景的方向。

作者得出结论，未来的物质使用风险最好通过个人发育轨迹和关系上下文的结合来表征，所提出的堆叠框架有效地平衡了这些信号。文中也提到了未来工作中需要考虑的实际部署问题，例如基于干预成本的阈值选择。