Medisinsk forskere fra University of Pennsylvania har funnet ut at medisinske tilstander kan forutsies ut fra innholdet i innlegg på sosiale medier
sosiale medier er nå en integrert del av livene våre. I 2019, minst 2.7 milliarder porsjoner bruker regelmessig nettbaserte sosiale medieplattformer som Facebook, Twitter og Instagram. Dette betyr at mer enn en milliard individer daglig deler informasjon om livene sine på disse offentlige plattformene. Folk deler fritt sine tanker, liker og misliker, følelser og personligheter. Forskere undersøker om denne informasjonen, generert utenfor klinisk helsevesen, kunne avsløre mulige sykdomsprediktorer i dagliglivet til pasienter som ellers kan være skjult for helsepersonell og forskere. Tidligere studier har vist hvordan Twitter kan forutsi hjertesykdomsdødelighet eller overvåke offentlig sentiment på medisinsk-relaterte spørsmål som forsikring. Imidlertid har informasjon fra sosiale medier så langt ikke blitt brukt til å forutsi medisinske tilstander på individnivå.
En ny studie publisert 17. juni i PLoS ONE har for første gang vist kobling av elektroniske journaler til pasienter (som har gitt sitt samtykke) til deres sosiale medier-profiler. Forskere hadde som mål å undersøke – for det første om medisinske tilstander til et individ kan forutsies ut fra språket som er lagt ut på brukerens sosiale mediekonto(r), og for det andre om spesifikke sykdomsmarkører kan identifiseres.
Forskere brukte en automatisert datainnsamlingsteknikk for å analysere hele Facebook-historien til 999 pasienter. Dette betydde å analysere overveldende 20 millioner ord i rundt 949,000 500 Facebook-statusoppdateringer med innlegg som inneholder minst 21 ord. Forskere utviklet tre modeller for å lage spådommer for hver pasient. Den første modellen analyserte språket til Facebook-innlegg ved å identifisere nøkkelord. Den andre modellen analyserte pasientens demografiske informasjon som alder og kjønn. Den tredje modellen kombinerte disse to datasettene. Totalt XNUMX medisinske tilstander ble undersøkt, inkludert diabetes, angst, depresjon, hypertensjon, alkoholmisbruk, fedme, psykoser.
Analyse viste at alle 21 medisinske tilstander var forutsigbare fra Facebook-innlegg alene. Og 10 forhold ble spådd bedre av Facebook-innlegg enn til og med demografi. De fremtredende søkeordene var for eksempel "drikke", "full" og "flaske", som var prediktive for alkoholmisbruk, og ord som "Gud" eller "be" eller "familie" ble brukt 15 ganger mer sannsynlig av personer med diabetes. Ord som "dum" fungerte som indikatorer for rusmisbruk og psykose, og ord som "smerte", "gråt" og "tårer" var knyttet til emosjonell nød. Facebook-språket som ble brukt av enkeltpersoner var veldig effektivt for å komme med spådommer – spesielt om diabetes og psykisk Helse tilstander inkludert angst, depresjon og psykose.
Den nåværende studien antyder at et opt-in-system for pasienter kan utvikles der pasienter tillot analyse av sine sosiale medier-innlegg ved å gi tilgang til denne informasjonen til klinikere. Denne tilnærmingen kan være mest verdifull for folk som rutinemessig bruker sosiale medier. Siden sosiale medier gjenspeiler folks tanker, personlighet, mentale tilstand og helseatferd, kan disse dataene brukes til å forutsi utbrudd eller forverring av en sykdom. Når det gjelder sosiale medier, vil personvern, informert samtykke og dataeierskap være avgjørende. Å kondensere og oppsummere innhold på sosiale medier og gjøre tolkninger er hovedmålet.
Den nåværende studien kan lede vei til å utvikle nye kunstig intelligens applikasjoner for å forutsi medisinske tilstander. Data fra sosiale medier er kvantifiserbare og gir nye veier for å vurdere atferdsmessige og miljømessige risikofaktorer for en sykdom. Sosiale mediedata fra et individ blir referert til som "sosialt medium" (ligner på genom - komplett sett med gener).
***
{Du kan lese den originale forskningsoppgaven ved å klikke på DOI-lenken nedenfor i listen over siterte kilder}
Source (s)
Kjøpmann RM et al. 2019. Evaluering av forutsigbarheten til medisinske tilstander fra innlegg i sosiale medier. PLOS EN. 14 (6). https://doi.org/10.1371/journal.pone.0215476
