Zdravotnictví scientists from University of Pennsylvania have found that medical conditions could be predicted from contents of social media posts
sociální síte is now an integral part of our lives. In 2019, at least 2.7 billion lidé 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 klinický healthcare system, could reveal possible disease predictors in daily lives of pacientes které by jinak mohly být zdravotnickému personálu a výzkumníkům skryty. Dřívější studie ukázaly, jak může Twitter předpovídat úmrtnost na srdeční choroby nebo sledovat veřejný sentiment ohledně lékařských problémů, jako je pojištění. Informace ze sociálních sítí však dosud nebyly použity k předpovídání zdravotních stavů na individuální úrovni.
Nová studie zveřejněná 17. června PLOS ONE poprvé ukázala propojení elektronických zdravotních záznamů pacientů (kteří dali souhlas) s jejich profily na sociálních sítích. Cílem výzkumníků bylo prozkoumat – zaprvé, zda lze zdravotní stav jednotlivce předvídat z jazyka zveřejněného na účtu (účtech) uživatele na sociálních sítích, a zadruhé, zda lze identifikovat specifické markery onemocnění.
Výzkumníci použili techniku automatického sběru dat k analýze celé historie Facebooku 999 pacientů. To znamenalo analyzovat ohromných 20 milionů slov v přibližně 949,000 500 aktualizacích stavu na Facebooku s příspěvky obsahujícími alespoň 21 slov. Výzkumníci vyvinuli tři modely pro předpovědi pro každého pacienta. První model analyzoval jazyk příspěvků na Facebooku pomocí identifikace klíčových slov. Druhý model analyzoval demografické informace pacienta, jako je jeho věk a pohlaví. Třetí model kombinoval tyto dva datové soubory. Bylo zkoumáno celkem XNUMX zdravotních stavů, včetně diabetu, úzkosti, deprese, hypertenze, zneužívání alkoholu, obezity, psychóz.
Analýza ukázala, že všech 21 zdravotních stavů bylo předvídatelných pouze z příspěvků na Facebooku. A 10 podmínek předpovídaly příspěvky na Facebooku lépe než dokonce demografické údaje. Hlavními klíčovými slovy byly například „pití“, „opilý“ a „láhev“, která předpovídala zneužívání alkoholu, a slova jako „Bůh“ nebo „modlete se“ nebo „rodina“ používali lidé s cukrovkou s 15krát vyšší pravděpodobností. Slova jako „němý“ sloužila jako indikátory zneužívání drog a psychózy a slova jako „bolest“, „pláč“ a „slzy“ byla spojována s emocionálním utrpením. Jazyk Facebooku používaný jednotlivci byl velmi účinný při vytváření předpovědí – zejména o cukrovce a duševních onemocněních zdraví stavy včetně úzkosti, deprese a psychózy.
Současná studie naznačuje, že by mohl být vyvinut systém opt-in pro pacienty, kde by pacienti umožnili analýzu svých příspěvků na sociálních sítích tím, že by lékařům poskytli přístup k těmto informacím. Tento přístup by mohl být nejcennější pro lidi, kteří běžně používají sociální média. Vzhledem k tomu, že sociální média odrážejí myšlenky, osobnost, duševní stav a zdravotní chování lidí, lze tato data použít k předpovědi nástupu nebo zhoršení nemoci. Pokud jde o sociální média, bude mít zásadní význam soukromí, informovaný souhlas a vlastnictví dat. Primárním cílem je zhuštění a shrnutí obsahu sociálních médií a vytváření interpretací.
The current study can lead way to develop new umělá inteligence 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).
***
{Původní výzkumný dokument si můžete přečíst kliknutím na odkaz DOI uvedený níže v seznamu citovaných zdrojů}
Zdroje)
Merchant RM a kol. 2019. Hodnocení předvídatelnosti zdravotních stavů z příspěvků na sociálních sítích. PLOS ONE. 14 (6). https://doi.org/10.1371/journal.pone.0215476
