medicinos scientists from University of Pennsylvania have found that medical conditions could be predicted from contents of social media posts
socialinės žiniasklaidos is now an integral part of our lives. In 2019, at least 2.7 billion žmonės 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 klinikinis healthcare system, could reveal possible disease predictors in daily lives of pacientai kurie kitu atveju gali būti paslėpti sveikatos priežiūros personalui ir tyrėjams. Ankstesni tyrimai parodė, kaip „Twitter“ gali numatyti mirtingumą nuo širdies ligų arba stebėti visuomenės nuotaikas su medicina susijusiais klausimais, pavyzdžiui, draudimu. Tačiau socialinės žiniasklaidos informacija iki šiol nebuvo naudojama sveikatos būklei numatyti individualiu lygmeniu.
Naujas tyrimas, paskelbtas birželio 17 d PLoS ONE pirmą kartą parodė pacientų (davusių sutikimą) elektroninių medicininių įrašų susiejimą su jų socialinių tinklų profiliais. Tyrėjai siekė ištirti – pirma, ar galima nuspėti asmens sveikatos būklę pagal vartotojo socialinių tinklų paskyroje (-ose) paskelbtą kalbą, antra, ar galima nustatyti konkrečius ligos žymenis.
Tyrėjai naudojo automatizuotą duomenų rinkimo techniką, kad ištirtų visą 999 pacientų Facebook istoriją. Tai reiškė, kad reikia išanalizuoti 20 milijonų žodžių maždaug 949,000 500 Facebook būsenos atnaujinimų su įrašais, kuriuose yra mažiausiai 21 žodžių. Tyrėjai sukūrė tris modelius, kad galėtų prognozuoti kiekvieną pacientą. Pirmasis modelis analizavo „Facebook“ įrašų kalbą, nustatydamas raktinius žodžius. Antrasis modelis analizavo paciento demografinę informaciją, pvz., amžių ir lytį. Trečiasis modelis sujungė šiuos du duomenų rinkinius. Iš viso buvo ištirta XNUMX sveikatos būklė, įskaitant diabetą, nerimą, depresiją, hipertenziją, piktnaudžiavimą alkoholiu, nutukimą, psichozes.
Analizė parodė, kad visas 21 sveikatos būklę buvo galima nuspėti vien iš „Facebook“ įrašų. Be to, 10 sąlygų „Facebook“ įrašai numatė geriau nei net demografiniai rodikliai. Svarbiausi raktiniai žodžiai buvo, pavyzdžiui, „gėrimas“, „girtas“ ir „butelis“, kurie nuspėjo piktnaudžiavimą alkoholiu, o tokius žodžius kaip „Dievas“, „melskis“ arba „šeima“ diabetu sergantys žmonės vartojo 15 kartų dažniau. Tokie žodžiai kaip „kvailas“ buvo piktnaudžiavimo narkotikais ir psichozės rodikliai, o tokie žodžiai kaip „skausmas“, „verkimas“ ir „ašaros“ buvo susiję su emociniu išgyvenimu. Asmenų vartojama „Facebook“ kalba buvo labai veiksminga prognozuojant, ypač apie diabetą ir psichinę būklę sveikatai būklės, įskaitant nerimą, depresiją ir psichozę.
Dabartinis tyrimas rodo, kad pacientams būtų galima sukurti pasirinkimo sistemą, kurioje pacientai leistų analizuoti savo socialinių tinklų įrašus, suteikdami gydytojams prieigą prie šios informacijos. Šis požiūris gali būti vertingiausias žmonėms, kurie reguliariai naudojasi socialine žiniasklaida. Kadangi socialinė žiniasklaida atspindi žmonių mintis, asmenybę, psichinę būseną ir elgesį su sveikata, šie duomenys gali būti naudojami prognozuojant ligos pradžią ar pablogėjimą. Kalbant apie socialinę žiniasklaidą, privatumas, informuotas sutikimas ir duomenų nuosavybė bus labai svarbūs. Pagrindinis tikslas yra sutrumpinti ir apibendrinti socialinės žiniasklaidos turinį bei pateikti interpretacijas.
The current study can lead way to develop new dirbtinis intelektas 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).
***
{Galite perskaityti pradinį tyrimo dokumentą spustelėję toliau pateiktą DOI nuorodą cituojamų šaltinių sąraše}
Šaltiniai)
Prekybininkas RM ir kt. 2019 m. Sveikatos būklės nuspėjamumo įvertinimas iš socialinių tinklų įrašų. PLOS ONE. 14 (6). https://doi.org/10.1371/journal.pone.0215476
