Ruh Sağlığı Koşullarını ve Diyabeti Tanımlamak İçin Kullanılan Sosyal Medya Verileri
Yeni bir çalışma, sosyal medya sitelerinden elde edilen madencilik verilerinin, profesyonellerin diyabet, anksiyete, depresyon ve psikoz dahil olmak üzere çeşitli sağlık koşullarını belirlemesine ve yönetmesine yardımcı olabileceğini öne sürüyor.
Penn Medicine ve Stony Brook Üniversitesi'nden araştırmacılar, Facebook gönderilerini analiz etti ve gönderilerdeki dilin hastalık göstergesi olabileceğine inanıyor. Dahası, bir kişi onay verirse, gönderiler tıpkı fiziksel belirtiler gibi izlenebilir.
Çalışma şurada görünür: PLOS ONE.
Penn Medicine'in Dijital Sağlık Merkezi direktörü olan baş yazar Raina Merchant, "Bu çalışma erken, ancak umudumuz bu yayınlardan elde edilen bilgilerin hastaları ve sağlayıcıları sağlıkları hakkında daha iyi bilgilendirmek için kullanılabileceğidir" dedi. ve bir Acil Tıp profesörü.
"Sosyal medya yayınları genellikle bir kişinin yaşam tarzı seçimleri ve deneyimleri veya nasıl hissettiği hakkında olduğundan, bu bilgiler hastalık yönetimi ve alevlenme hakkında ek bilgiler sağlayabilir."
Araştırmacılar, otomatik bir veri toplama tekniği kullanarak, elektronik tıbbi kayıt verilerinin profillerine bağlanmasını kabul eden yaklaşık 1000 hastanın Facebook gönderi geçmişinin tamamını analiz etti.
Araştırmacılar daha sonra hastalar için tahmin güçlerini analiz etmek için üç model oluşturdu: bir model yalnızca Facebook gönderi dilini analiz ediyor, diğeri yaş ve cinsiyet gibi demografik bilgileri kullanıyor ve sonuncusu iki veri kümesini birleştiriyor.
21 farklı koşula bakıldığında, araştırmacılar 21'in tamamının yalnızca Facebook'tan tahmin edilebilir olduğunu buldu. Aslında, koşulların 10'u Facebook verileri aracılığıyla demografik bilgilerden daha iyi tahmin edildi.
Demografik verilerden daha öngörücü olduğu bulunan bazı Facebook verileri sezgisel görünüyordu. Örneğin, "içki" ve "şişe" nin alkol kötüye kullanımı için daha öngörücü olduğu gösterilmiştir.
Ancak diğerleri o kadar kolay değildi. Örneğin, görevlerinde en çok "Tanrı" veya "dua et" gibi dini dilden bahsedenlerin şeker hastalığına yakalanma olasılığı, bu terimleri en az kullananlara göre 15 kat daha fazlaydı. Ek olarak, düşmanlığı ifade eden kelimeler - "aptal" ve bazı küfürler gibi - uyuşturucu kullanımı ve psikozların göstergeleri olarak hizmet etti.
Araştırmanın kıdemli yazarı Doktor Andrew Schwartz, "Dijital dilimiz, hayatımızın geleneksel tıbbi verilerle elde edilenlerden muhtemelen oldukça farklı olan güçlü yönlerini yakalıyor" dedi.
“Pek çok çalışma şimdi dil kalıpları ile depresyonun dil tahmini veya birinin kanserle yaşayıp yaşamadığına dair içgörü sağlayan dil gibi belirli hastalıklar arasında bir bağlantı olduğunu göstermiştir. Bununla birlikte, birçok tıbbi duruma bakarak, koşulların birbiriyle nasıl ilişkili olduğuna dair bir görüş elde ediyoruz ve bu da tıp için yeni yapay zeka uygulamalarını etkinleştirebilir. "
Geçen yıl, bu araştırma ekibinin pek çok üyesi, Facebook paylaşımlarının analizinin, klinikteki bir teşhisten üç ay önce bir depresyon teşhisini tahmin edebileceğini gösterebildi.
Bu çalışma, bu çalışmaya dayanıyor ve hastalar için sosyal medya gönderilerini analiz edebilecek ve klinisyenlere bakım sunumunu iyileştirmek için ekstra bilgi sağlayabilecek bir tercih sistemi geliştirme potansiyeli olabileceğini gösteriyor. Merchant, böyle bir sistemin ne kadar yaygın olacağını tahmin etmenin zor olduğunu, ancak sosyal medyayı sık kullanan hastalar için "değerli" olabileceğini söyledi.
Merchant, "Örneğin, bir kişi kilo vermeye çalışıyorsa ve gıda seçimlerini ve egzersiz rejimlerini anlamada yardıma ihtiyaç duyuyorsa, bir sağlık hizmeti sağlayıcısının sosyal medya kayıtlarını gözden geçirmesi, onları iyileştirmeye yardımcı olmak için normal kalıpları hakkında daha fazla bilgi verebilir," dedi .
Merchant, bu yılın ilerleyen günlerinde, hastalardan sosyal medya içeriğini sağlık hizmeti sağlayıcılarıyla doğrudan paylaşmalarının isteneceği büyük bir deneme yürütecek. Bu, bu verileri yönetmenin ve uygulamanın mümkün olup olmadığına ve ayrıca kaç hastanın hesaplarının aktif bakımı desteklemek için kullanılmasını kabul edeceğine bir bakış sağlayacaktır.
Merchant, "Bununla ilgili zorluklardan biri, çok fazla veri olması ve biz sağlayıcılar olarak bunları kendimiz yorumlayacak veya buna dayanarak klinik kararlar verecek şekilde eğitilmediğimizdir" dedi. "Bunu ele almak için, sosyal medya verilerinin nasıl yoğunlaştırılacağını ve özetleneceğini keşfedeceğiz."
Kaynak: Pennsylvania Üniversitesi Tıp Fakültesi
