медична scientists from University of Pennsylvania have found that medical conditions could be predicted from contents of social media posts
соціальні медіа is now an integral part of our lives. In 2019, at least 2.7 billion люди regularly use online social media platforms like Facebook, Twitter and Instagram. This means that more than a billion individuals share information on a daily basis about their lives on these public platforms. People freely share their thoughts, likes and dislikes, sentiments and personalities. Scientists are exploring whether this information, generated outside the клінічний healthcare system, could reveal possible disease predictors in daily lives of pacientes які інакше можуть бути приховані для медичного персоналу та дослідників. Попередні дослідження показали, як Twitter може передбачати рівень смертності від серцево-судинних захворювань або відстежувати настрої громадськості щодо таких медичних питань, як страхування. Однак інформація соціальних мереж досі не використовувалася для прогнозування медичних станів на індивідуальному рівні.
Нове дослідження, опубліковане 17 червня в PLoS ONE вперше показав зв’язування електронних медичних карт пацієнтів (які дали згоду) з їхніми профілями в соціальних мережах. Дослідники мали на меті дослідити – по-перше, чи можна передбачити стан здоров’я людини за мовою, опублікованою в облікових записах користувача(ів) у соціальних мережах, а по-друге, чи можна визначити конкретні маркери захворювання.
Дослідники використали техніку автоматизованого збору даних, щоб проаналізувати повну історію Facebook 999 пацієнтів. Це означало проаналізувати величезні 20 мільйонів слів у близько 949,000 500 оновлень статусу Facebook із повідомленнями, що містять щонайменше 21 слів. Дослідники розробили три моделі, щоб робити прогнози для кожного пацієнта. Перша модель аналізувала мову дописів у Facebook шляхом визначення ключових слів. Друга модель аналізувала демографічну інформацію пацієнта, як-от їх вік і стать. Третя модель об’єднала ці два набори даних. Всього було розглянуто XNUMX медичне захворювання, включаючи цукровий діабет, тривожність, депресію, гіпертонію, зловживання алкоголем, ожиріння, психози.
Аналіз показав, що всі 21 медичний стан можна було передбачити лише з дописів у Facebook. І 10 умов передбачалися краще за повідомленнями у Facebook, ніж навіть за демографічними показниками. Помітними ключовими словами були, наприклад, «пити», «п’яний» і «пляшка», які передбачали зловживання алкоголем, а такі слова, як «Бог», «молись» чи «сім’я», люди з діабетом використовували в 15 разів частіше. Такі слова, як «німий», слугували індикаторами зловживання наркотиками та психозу, а такі слова, як «біль», «плач» і «сльози», були пов’язані з емоційним стражданням. Мова Facebook, якою користувалися люди, була дуже ефективною для прогнозування – особливо щодо діабету та психічного розвитку здоров'я стани, включаючи тривогу, депресію та психоз.
Нинішнє дослідження припускає, що можна було б розробити систему реєстрації для пацієнтів, де пацієнти дозволяли аналізувати свої публікації в соціальних мережах, надаючи доступ до цієї інформації клініцистам. Цей підхід може бути найбільш цінним для людей, які регулярно використовують соціальні мережі. Оскільки соціальні мережі відображають думки, особистість, психічний стан і поведінку людей, ці дані можна використовувати для прогнозування початку або погіршення захворювання. Що стосується соціальних медіа, то конфіденційність, інформована згода та володіння даними мають вирішальне значення. Основною метою є згортання та узагальнення контенту соціальних мереж та створення інтерпретацій.
The current study can lead way to develop new штучний інтелект applications for predicting medical conditions. Social media data is quantifiable and provides new avenues to assess behavioural and environmental risk factors of a disease. Social media data of an individual is being referred to as ‘social mediome’ (similar to genome – complete set of genes).
***
{Ви можете прочитати оригінальну дослідницьку роботу, натиснувши посилання DOI, наведене нижче в списку цитованих джерел(ів)}
Джерела
Купець Р. М. та ін. 2019. Оцінка передбачуваності медичних станів з дописів у соціальних мережах. PLOS ONE. 14 (6). https://doi.org/10.1371/journal.pone.0215476
