Medicīna Zinātnieki no Pensilvānijas universitātes ir atklājuši, ka veselības stāvokli var paredzēt no sociālo mediju ierakstu satura
Sociālie tīkli tagad ir neatņemama mūsu dzīves sastāvdaļa. 2019. gadā vismaz 2.7 mljrd cilvēkiem regulāri izmanto tiešsaistes sociālo mediju platformas, piemēram, Facebook, Twitter un Instagram. Tas nozīmē, ka vairāk nekā miljards cilvēku ikdienā dalās ar informāciju par savu dzīvi šajās publiskajās platformās. Cilvēki brīvi dalās ar savām domām, simpātijām un antipātijām, jūtām un personībām. Zinātnieki pēta, vai šī informācija tiek radīta ārpus klīnisks veselības aprūpes sistēma, varētu atklāt iespējamos slimību prognozētājus ikdienas dzīvē pacientes kas citādi var būt paslēpti veselības aprūpes personālam un pētniekiem. Iepriekšējie pētījumi ir parādījuši, kā Twitter var paredzēt sirds slimību mirstības līmeni vai uzraudzīt sabiedrības noskaņojumu par medicīniskiem jautājumiem, piemēram, apdrošināšanu. Tomēr sociālo mediju informācija līdz šim nav izmantota medicīnisko stāvokļu prognozēšanai individuālā līmenī.
Jauns pētījums, kas publicēts 17. jūnijā PLoS ONE pirmo reizi parādījis pacientu (kuri devuši piekrišanu) elektronisko medicīnisko ierakstu sasaisti ar viņu sociālo mediju profiliem. Pētnieku mērķis bija noskaidrot – pirmkārt, vai pēc lietotāja sociālo mediju kontā(-os) ievietotās valodas var paredzēt indivīda veselības stāvokli un, otrkārt, vai var identificēt konkrētus slimības marķierus.
Pētnieki izmantoja automatizētu datu vākšanas paņēmienu, lai analizētu pilnu 999 pacientu Facebook vēsturi. Tas nozīmēja milzīgu 20 miljonu vārdu analīzi aptuveni 949,000 500 Facebook statusa atjauninājumos ar ziņām, kas satur vismaz 21 vārdus. Pētnieki izstrādāja trīs modeļus, lai veiktu prognozes katram pacientam. Pirmais modelis analizēja Facebook ziņu valodu, identificējot atslēgvārdus. Otrajā modelī tika analizēta pacienta demogrāfiskā informācija, piemēram, viņu vecums un dzimums. Trešais modelis apvienoja šīs divas datu kopas. Kopumā tika pētīts XNUMX veselības stāvoklis, tostarp diabēts, trauksme, depresija, hipertensija, pārmērīga alkohola lietošana, aptaukošanās, psihozes.
Analīze parādīja, ka visi 21 veselības stāvokļi bija paredzami tikai no Facebook ziņām. Un 10 nosacījumus Facebook ziņās prognozēja labāk nekā pat demogrāfiskos datus. Ievērojamie atslēgvārdi bija, piemēram, “dzēriens”, “piedzēries” un “pudele”, kas paredzēja pārmērīgu alkohola lietošanu, un tādus vārdus kā “Dievs” vai “lūgties” vai “ģimene” 15 reizes biežāk lietoja cilvēki ar cukura diabētu. Tādi vārdi kā “mēms” kalpoja par narkotiku lietošanas un psihozes indikatoriem, un tādi vārdi kā “sāpes”, “raudāšana” un “asaras” bija saistīti ar emocionālu stresu. Personu lietotā Facebook valoda bija ļoti efektīva, lai prognozētu, īpaši par diabētu un garīgo diabētu veselība stāvokļi, tostarp trauksme, depresija un psihoze.
Pašreizējais pētījums liecina, ka pacientiem varētu izstrādāt izvēles sistēmu, kurā pacienti ļautu analizēt savus sociālo mediju ierakstus, nodrošinot ārstiem piekļuvi šai informācijai. Šī pieeja varētu būt visvērtīgākā cilvēkiem, kuri regulāri izmanto sociālos medijus. Tā kā sociālie mediji atspoguļo cilvēku domas, personību, garīgo stāvokli un veselības uzvedību, šos datus var izmantot, lai prognozētu slimības sākšanos vai pasliktināšanos. Attiecībā uz sociālajiem medijiem izšķiroša nozīme būs privātumam, informētai piekrišanai un datu īpašumtiesībām. Sociālo mediju satura saīsināšana un apkopošana un interpretāciju veidošana ir galvenais mērķis.
Pašreizējais pētījums var būt veids, kā izstrādāt jaunu mākslīgais intelekts lietojumprogrammas medicīnisko stāvokļu prognozēšanai. Sociālo mediju dati ir kvantitatīvi nosakāmi un nodrošina jaunus veidus, kā novērtēt slimības uzvedības un vides riska faktorus. Personas sociālo mediju dati tiek saukti par "sociālo viduvēju" (līdzīgi genomam - pilns gēnu komplekts).
***
{Jūs varat izlasīt oriģinālo pētījumu, noklikšķinot uz DOI saites, kas norādīta tālāk citēto avotu sarakstā}
Avots (-i)
Tirgotājs RM u.c. 2019. Novērtējot medicīnisko stāvokļu paredzamību no ierakstiem sociālajos tīklos. PLOS ONE. 14 (6). https://doi.org/10.1371/journal.pone.0215476
