Sjukvård Forskare från University of Pennsylvania har funnit att medicinska tillstånd kan förutsägas utifrån innehållet i inlägg på sociala medier
Sociala medier är nu en integrerad del av våra liv. 2019, minst 2.7 miljarder människor använder regelbundet sociala medieplattformar online som Facebook, Twitter och Instagram. Det betyder att mer än en miljard individer dagligen delar information om sina liv på dessa offentliga plattformar. Människor delar fritt sina tankar, gillande och ogillar, känslor och personligheter. Forskare undersöker om denna information genereras utanför kliniska hälso- och sjukvårdssystem, skulle kunna avslöja möjliga sjukdomsprediktorer i vardagen för patienter som annars kan vara dolda för vårdpersonal och forskare. Tidigare studier har visat hur Twitter kan förutsäga dödligheten i hjärtsjukdomar eller övervaka allmänhetens åsikter om medicinska frågor som försäkring. Men information om sociala medier har hittills inte använts för att förutsäga medicinska tillstånd på individnivå.
En ny studie publicerad den 17 juni i PLoS ONE har för första gången visat kopplingen av elektroniska journaler för patienter (som gett sitt samtycke) till deras sociala medieprofiler. Forskare syftade till att undersöka – för det första om medicinska tillstånd hos en individ kan förutsägas utifrån språket som publicerats på användarens sociala mediekonto(n) och för det andra om specifika sjukdomsmarkörer kan identifieras.
Forskare använde en automatiserad datainsamlingsteknik för att analysera hela Facebook-historiken för 999 patienter. Detta innebar att man analyserade 20 miljoner ord i omkring 949,000 500 Facebook-statusuppdateringar med inlägg som innehåller minst 21 ord. Forskare utvecklade tre modeller för att göra förutsägelser för varje patient. Den första modellen analyserade språket i Facebook-inlägg genom att identifiera nyckelord. Den andra modellen analyserade patientens demografiska information som deras ålder och kön. Den tredje modellen kombinerade dessa två datamängder. Totalt XNUMX medicinska tillstånd undersöktes inklusive diabetes, ångest, depression, högt blodtryck, alkoholmissbruk, fetma, psykoser.
Analyser visade att alla 21 medicinska tillstånd var förutsägbara från enbart Facebook-inlägg. Och 10 förhållanden förutspåddes bättre av Facebook-inlägg än till och med demografi. De framträdande nyckelorden var till exempel 'dryck', 'berusad' och 'flaska' som förutspådde alkoholmissbruk och ord som 'Gud' eller 'be' eller 'familj' användes 15 gånger mer sannolikt av personer med diabetes. Ord som "dum" fungerade som indikatorer för drogmissbruk och psykoser och ord som "smärta", "gråt" och "tårar" var kopplade till känslomässig ångest. Facebook-språket som användes av individer var mycket effektivt för att göra förutsägelser – särskilt om diabetes och psykisk hälsa tillstånd inklusive ångest, depression och psykos.
Den aktuella studien föreslår att ett opt-in-system för patienter skulle kunna utvecklas där patienter tillät analys av sina inlägg på sociala medier genom att ge tillgång till denna information till kliniker. Detta tillvägagångssätt kan vara mest värdefullt för människor som rutinmässigt använder sociala medier. Eftersom sociala medier speglar människors tankar, personlighet, mentala tillstånd och hälsobeteenden, kan dessa data användas för att förutsäga uppkomst eller förvärring av en sjukdom. När det gäller sociala medier kommer integritet, informerat samtycke och dataägande att vara avgörande. Att kondensera och sammanfatta innehåll i sociala medier och göra tolkningar är det primära målet.
Den aktuella studien kan leda vägen för att utveckla nya artificiell intelligens applikationer för att förutsäga medicinska tillstånd. Data från sociala medier är kvantifierbara och ger nya vägar för att bedöma beteendemässiga och miljömässiga riskfaktorer för en sjukdom. Sociala mediers data om en individ hänvisas till som "social mediom" (liknande genom - komplett uppsättning gener).
***
{Du kan läsa den ursprungliga forskningsartikeln genom att klicka på DOI-länken nedan i listan över citerade källor}
Källa (er)
Köpman RM et al. 2019. Utvärdera förutsägbarheten av medicinska tillstånd från inlägg i sociala medier. PLOS ETT. 14 (6). https://doi.org/10.1371/journal.pone.0215476
