Медицински учени от Университета на Пенсилвания са открили, че медицинските състояния могат да бъдат предвидени от съдържанието на публикации в социалните медии
Social media is now an integral part of our lives. In 2019, at least 2.7 billion people 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 clinical healthcare system, could reveal possible disease predictors in daily lives of pacientes които иначе могат да бъдат скрити за здравния персонал и изследователите. По-ранни проучвания показват как Twitter може да предскаже смъртността от сърдечни заболявания или да наблюдава обществените настроения по въпроси, свързани с медицината, като застраховката. Информацията от социалните медии обаче досега не е била използвана за прогнозиране на медицински състояния на индивидуално ниво.
Ново проучване, публикувано на 17 юни в PLoS ONE за първи път показа свързването на електронни медицински досиета на пациенти (които са дали съгласието си) с техните профили в социалните мрежи. Изследователите имаха за цел да проучат – първо, дали медицинските състояния на дадено лице могат да бъдат предвидени от езика, публикуван в акаунта(ите) на потребителя в социалните медии, и второ, дали могат да бъдат идентифицирани специфични маркери на заболяването.
Изследователите са използвали техника за автоматизирано събиране на данни, за да анализират пълната история във Facebook на 999 пациенти. Това означаваше да се анализират огромни 20 милиона думи в около 949,000 500 актуализации на статуса във Facebook с публикации, съдържащи поне 21 думи. Изследователите разработиха три модела, за да направят прогнози за всеки пациент. Първият модел анализира езика на публикациите във Facebook, като идентифицира ключови думи. Вторият модел анализира демографската информация на пациента, като възрастта и пола. Третият модел комбинира тези два набора от данни. Бяха разгледани общо XNUMX медицински състояния, включително диабет, тревожност, депресия, хипертония, злоупотреба с алкохол, затлъстяване, психози.
Анализът показа, че всичките 21 медицински състояния са били предвидими само от публикации във Facebook. И 10 условия бяха предвидени по-добре от публикации във Facebook, отколкото дори демографски данни. Изтъкнатите ключови думи бяха например „питие“, „пиян“ и „бутилка“, които предсказваха злоупотребата с алкохол, а думи като „Бог“ или „моли се“ или „семейство“ бяха използвани 15 пъти по-вероятно от хората с диабет. Думи като „тъп“ послужиха като индикатори за злоупотреба с наркотици и психоза, а думи като „болка“, „плач“ и „сълзи“ бяха свързани с емоционален стрес. Езикът на Facebook, използван от хората, беше много ефективен при правенето на прогнози – особено за диабета и психиката здраве състояния, включително тревожност, депресия и психоза.
Настоящото проучване предполага, че може да се разработи система за избиране за пациенти, при която пациентите позволяват анализ на публикациите си в социалните медии, като предоставят достъп до тази информация на клиницистите. Този подход може да бъде най-ценен за хората, които рутинно използват социалните медии. Тъй като социалните медии отразяват мислите, личността, психическото състояние и здравното поведение на хората, тези данни могат да се използват за прогнозиране на появата или влошаването на заболяването. Що се отнася до социалните медии, поверителността, информираното съгласие и собствеността върху данните ще бъдат от решаващо значение. Кондензирането и обобщаването на съдържанието на социалните медии и правенето на интерпретации е основната цел.
Настоящото проучване може да доведе до разработване на нови приложения за изкуствен интелект за прогнозиране на медицински състояния. Данните от социалните медии са количествено измерими и предоставят нови възможности за оценка на поведенческите и екологичните рискови фактори за дадено заболяване. Данните от социалните медии на дадено лице се наричат „социална медиома“ (подобно на генома – пълен набор от гени).
***
{Можете да прочетете оригиналната изследователска статия, като щракнете върху връзката DOI, дадена по-долу в списъка с цитирани източници}
Източник (и)
Търговец RM et al. 2019. Оценка на предсказуемостта на медицинските състояния от публикации в социалните медии. ПЛОС ПЪРВО. 14 (6). https://doi.org/10.1371/journal.pone.0215476
