根據MIT科技評論的報導，美國維吉尼亞州的毒癮勒戒研究中心，與社群龍頭臉書合作，開發出一套預測工具，只須讀取臉書使用者的網路po文和按讚行為，就能判定這名使用者是否有毒癮、菸癮，或是酗酒成性，據說正確率超過8成，甚至將近9成。
「我們所開發的最佳模型，在判斷菸癮上可達到86%的準確率，判斷酒癮可以達到81%，判斷毒癮則達到84%的準確率。這些都超越一般預測工具的準確率。」
從這套預測模型中，可以發現平常有使用毒品或菸酒習性的人，在po文中比較容易出現F或Sh開頭的英文髒字，和涉及性行為的「想做」（horny）、「性交」等字眼。另外類似「血淋淋」（bloody）、「痛苦」（Pain）等詞彙也屢見不鮮。
不同的物質成癮，各有不同的用字傾向，像是「辣妹」、「女生」等女性稱謂，以及「上」、「下」等空間用詞，常常都會出現在酒鬼的貼文裡；而毒癮患者則經常使用「恨」、「殺」等激烈字眼，還有「診所」、「藥丸」等詞彙。
透過資料探勘（Data Mining）技術，研究人員還發現一些有趣的連結，例如酗酒的人似乎都偏好《V怪客》、《神鬼尖兵》（Boondock Saints）這類電影。而平常有固定嗜好的人，通常較少染上毒癮；愛看卡通或兒童類型影視的人，較少酗酒；而喜歡女性化電影和女性品牌的人，則不太可能是菸槍。
這套預測模型的開發，是勒戒中心與臉書合作的結果。研究人員在2007到2012年間，透過臉書進行一項稱做myPersonality的調查，取得13000份使用者問券，其中包含這些人是否有喝酒、抽菸，和使用藥物習慣的資訊。接著研究人員再透過臉書，取得這些使用者的日常po文、按讚次數等資料，經過交叉比對，拼湊出成癮患者的網路行為輪廓。
據統計美國每10人中就有一人有所謂的「物質濫用」問題，也就是使用菸、酒、毒品成癮，造成的生產力損失和犯罪、醫療等成本，總計高達7000億美金。因此有關如何早期判定和介入，減少其危害的研究，一直是各界努力目標。
資料來源：MIT Technology Review
