lääketieteellinen Pennsylvanian yliopiston tutkijat ovat havainneet, että sairaudet voidaan ennustaa sosiaalisen median viestien sisällöstä
sosiaalinen media on nyt olennainen osa elämäämme. Vuonna 2019 vähintään 2.7 miljardia ihmiset käytä säännöllisesti sosiaalisen median verkkoalustoja, kuten Facebookia, Twitteriä ja Instagramia. Tämä tarkoittaa, että yli miljardi ihmistä jakaa päivittäin tietoa elämästään näillä julkisilla alustoilla. Ihmiset jakavat vapaasti ajatuksiaan, mieltymyksiään ja ei-tykkäyksiään, tunteitaan ja persoonallisuuksiaan. Tutkijat tutkivat, onko tämä tieto, joka syntyy ulkopuolella kliininen terveydenhuoltojärjestelmä, voisi paljastaa mahdollisia sairauksien ennustajia jokapäiväisessä elämässä potilaat jotka muuten saattavat jäädä terveydenhuollon henkilökunnalta ja tutkijoilta piiloon. Aiemmat tutkimukset ovat osoittaneet, kuinka Twitter voi ennustaa sydänsairauksien kuolleisuutta tai seurata yleistä mielipidettä lääketieteellisistä asioista, kuten vakuutuksista. Sosiaalisen median tietoja ei kuitenkaan ole toistaiseksi käytetty sairauksien ennustamiseen yksilötasolla.
Uusi tutkimus julkaistiin 17. kesäkuuta PLoS ONE on ensimmäistä kertaa osoittanut suostumuksensa antaneiden potilaiden sähköisten potilastietojen linkittämistä heidän sosiaalisen median profiileihinsa. Tutkijat pyrkivät selvittämään – ensinnäkin, voidaanko yksilön sairaudet ennustaa käyttäjän sosiaalisen median tileillä julkaistun kielen perusteella, ja toiseksi, voidaanko tietyt sairausmerkit tunnistaa.
Tutkijat käyttivät automaattista tiedonkeruutekniikkaa analysoidakseen 999 potilaan Facebook-historian. Tämä tarkoitti 20 miljoonan sanan analysointia noin 949,000 500 Facebookin tilapäivityksessä vähintään 21 sanaa sisältävillä viesteillä. Tutkijat kehittivät kolme mallia tehdäkseen ennusteita kullekin potilaalle. Ensimmäinen malli analysoi Facebook-viestien kieltä tunnistamalla avainsanoja. Toisessa mallissa analysoitiin potilaiden demografisia tietoja, kuten heidän ikänsä ja sukupuolensa. Kolmas malli yhdisti nämä kaksi tietojoukkoa. Yhteensä XNUMX sairautta tutkittiin, mukaan lukien diabetes, ahdistuneisuus, masennus, verenpainetauti, alkoholin väärinkäyttö, liikalihavuus ja psykoosit.
Analyysi osoitti, että kaikki 21 sairaustilaa olivat ennustettavissa pelkästään Facebook-viestien perusteella. Ja Facebook-viestit ennustivat 10 ehtoa paremmin kuin demografiset tiedot. Näkyviä avainsanoja olivat esimerkiksi "juoma", "humalassa" ja "pullo", jotka ennakoivat alkoholin väärinkäyttöä, ja sanoja "Jumala" tai "rukoile" tai "perhe" käyttivät 15 kertaa todennäköisemmin diabetesta sairastavat. Sanat, kuten "tyhmä", olivat huumeiden väärinkäytön ja psykoosin indikaattoreita, ja sanat "kipu", "itku" ja "kyyneleet" yhdistettiin henkiseen ahdistukseen. Yksilöiden käyttämä Facebook-kieli oli erittäin tehokas ennusteiden tekemisessä – erityisesti diabeteksesta ja mielenterveydestä terveys tiloja, mukaan lukien ahdistuneisuus, masennus ja psykoosi.
Nykyinen tutkimus ehdottaa, että potilaille voitaisiin kehittää opt-in-järjestelmä, jossa potilaat antavat mahdollisuuden analysoida sosiaalisen median viestejään antamalla kliinikoille pääsyn näihin tietoihin. Tämä lähestymistapa voisi olla arvokkain ihmisille, jotka käyttävät säännöllisesti sosiaalista mediaa. Koska sosiaalinen media heijastaa ihmisten ajatuksia, persoonallisuutta, mielentilaa ja terveyskäyttäytymistä, näitä tietoja voidaan käyttää ennustamaan sairauden alkamista tai pahenemista. Sosiaalisen median osalta yksityisyys, tietoinen suostumus ja tietojen omistus ovat ratkaisevan tärkeitä. Sosiaalisen median sisällön tiivistäminen ja yhteenveto sekä tulkintojen tekeminen on ensisijainen tavoite.
Nykyinen tutkimus voi johtaa uuden kehittämiseen tekoäly sovelluksia sairauksien ennustamiseen. Sosiaalisen median tiedot ovat kvantitatiivisia ja tarjoavat uusia tapoja arvioida sairauden käyttäytymiseen ja ympäristöön liittyviä riskitekijöitä. Yksilön sosiaalisen median dataa kutsutaan "sosiaaliseksi mediomeksi" (samanlainen kuin genomi - täydellinen geenisarja).
***
{Voit lukea alkuperäisen tutkimuspaperin napsauttamalla alla olevaa DOI-linkkiä lainattujen lähteiden luettelossa}
Lähteet)
Kauppias RM et ai. 2019. Terveyssairauksien ennustettavuuden arvioiminen sosiaalisessa mediassa. PLOS ONE. 14 (6). https://doi.org/10.1371/journal.pone.0215476
