Mediese wetenskaplikes van die Universiteit van Pennsilvanië het bevind dat mediese toestande voorspel kan word uit die inhoud van plasings op sosiale media.
Sosiale media is nou 'n integrale deel van ons lewens. In 2019 gebruik ten minste 2.7 miljard mense gereeld aanlyn sosiale media platforms soos Facebook, Twitter en Instagram. Dit beteken dat meer as 'n miljard individue daagliks inligting oor hul lewens op hierdie openbare platforms deel. Mense deel vrylik hul gedagtes, voor- en afkeure, sentimente en persoonlikhede. Wetenskaplikes ondersoek of hierdie inligting, wat buite die kliniese gesondheidsorgstelsel gegenereer word, moontlike siektevoorspellers in die daaglikse lewens van pasiënte kan openbaar wat andersins vir gesondheidsorgpersoneel en navorsers verborge sou wees. Vroeëre studies het getoon hoe Twitter die sterftesyfer van hartsiektes kan voorspel of openbare sentiment oor mediesverwante kwessies soos versekering kan monitor. Inligting oor sosiale media is egter tot dusver nie gebruik om mediese toestande op 'n individuele vlak te voorspel nie.
'n Nuwe studie wat op 17 Junie in PLOS ONE gepubliseer is , het vir die eerste keer die koppeling van elektroniese mediese rekords van pasiënte (wat hul toestemming gegee het) met hul sosiale media-profiele getoon. Navorsers het ten doel gehad om te ondersoek – eerstens, of mediese toestande van 'n individu voorspel kan word uit die taal wat op die gebruiker se sosiale media-rekening(e) geplaas word, en tweedens, of spesifieke siektemerkers geïdentifiseer kan word.
Navorsers het 'n outomatiese data-insamelingstegniek gebruik om volle Facebook-geskiedenis van 999 pasiënte te ontleed. Dit het beteken dat 'n ontsaglike 20 miljoen woorde in ongeveer 949,000 500 Facebook-statusopdaterings met plasings wat ten minste 21 woorde bevat, ontleed word. Navorsers het drie modelle ontwikkel om voorspellings vir elke pasiënt te maak. Die eerste model het die taal van Facebook-plasings ontleed deur sleutelwoorde te identifiseer. Die tweede model het pasiënt se demografiese inligting soos hul ouderdom en geslag ontleed. Die derde model het hierdie twee datastelle gekombineer. Altesaam XNUMX mediese toestande is ondersoek, insluitend diabetes, angs, depressie, hipertensie, alkoholmisbruik, vetsug, psigoses.
Analise het getoon dat al 21 mediese toestande voorspelbaar was uit Facebook-plasings alleen. En 10 toestande is beter voorspel deur Facebook-plasings as selfs demografie. Die prominente sleutelwoorde was byvoorbeeld 'drink', 'dronk' en 'bottel' wat voorspellend was van alkoholmisbruik, en woorde soos 'God' of 'bid' of 'familie' is 15 keer meer waarskynlik deur mense met diabetes gebruik. Woorde soos 'dom' het as aanwysers vir dwelmmisbruik en psigose gedien, en woorde soos 'pyn', 'huil' en 'trane' is gekoppel aan emosionele nood. Facebook-taal wat deur individue gebruik is, was baie effektief om voorspellings te maak – veral oor diabetes en geestesgesondheidstoestande, insluitend angs, depressie en psigose.
Die huidige studie dui daarop dat 'n intekeningstelsel vir pasiënte ontwikkel kan word waar pasiënte ontleding van hul sosiale media-plasings toegelaat het deur toegang tot hierdie inligting aan klinici te verskaf. Hierdie benadering kan die meeste waardevol wees vir mense wat gereeld sosiale media gebruik. Aangesien sosiale media mense se gedagtes, persoonlikheid, geestestoestand en gesondheidsgedrag weerspieël, kan hierdie data gebruik word om die aanvang of verergering van 'n siekte te voorspel. Wat sosiale media betref, gaan privaatheid, ingeligte toestemming en data-eienaarskap deurslaggewend wees. Kondensering en opsomming van sosiale media-inhoud en die maak van interpretasies is die primêre doelwit.
Die huidige studie kan die weg baan vir die ontwikkeling van nuwe kunsmatige intelligensie- toepassings vir die voorspelling van mediese toestande. Sosiale media-data is kwantifiseerbaar en bied nuwe geleenthede om gedrags- en omgewingsrisikofaktore van 'n siekte te bepaal. Sosiale media-data van 'n individu word na verwys as 'sosiale medioom' (soortgelyk aan genoom - volledige stel gene).
***
{Jy kan die oorspronklike navorsingsartikel lees deur die DOI-skakel wat hieronder gegee word in die lys van aangehaalde bronne te klik}
Bronne)
Merchant RM et al. 2019. Evaluering van die voorspelbaarheid van mediese toestande vanaf sosiale media-plasings. PLOS ONE. 14 (6). https://doi.org/10.1371/journal.pone.0215476
