Facebook-Posts können Krankheiten und psychische Erkrankungen vorhersagen

• Facebook-Beiträge allein können Krankheiten wie Diabetes, Depressionen, Angstzustände und Psychosen vorhersagen.
• Wie genomische Informationen können Social-Media-Inhalte die Gesundheitsversorgung personalisieren.

Mehr als 2 Milliarden Menschen teilen über Social-Media-Plattformen Informationen über ihren Alltag und geben oft ihre Persönlichkeit, Gefühle und Demografie preis. Es wird erwartet, dass die Zahl bis 2021 über 3 Milliarden [monatlich aktive Social-Media-Nutzer] erreichen wird, was etwa 1/3 der Gesamtbevölkerung entspricht.

Solche Informationen enthalten nützliche Gesundheitssignale auf Bevölkerungsebene. Vor kurzem haben Forscher der Penn Medicine und der Stony Brook University die elektronischen Krankenakten (EMR) von Patienten mit ihren Social-Media-Daten verknüpft, um bestimmte Krankheitsmarker zu identifizieren.

Das Forschungsteam umfasste 999 Patienten, die sich bereit erklärten, ihre Krankenakten und Social-Media-Informationen zu teilen. Sie analysierten etwa 949.000 Facebook-Status-Updates mit über 20 Millionen Wörtern. Der Beitrag jedes Teilnehmers enthielt mindestens 500 Wörter.

Die Forscher verwendeten die Verarbeitung natürlicher Sprache – ein Teilgebiet der künstlichen Intelligenz, das sich mit Interaktionen zwischen menschlichen (natürlichen) und Computersprachen befasst –, um jede Teilnehmersprache als 700-dimensionale Patientensprachencodierung zu codieren.

Anschließend kategorisierten sie die Diagnosen aus der EMR der Teilnehmer in 21 Gruppen, basierend auf der Prävalenz innerhalb der Stichprobe und dem Elixhauser-Komorbiditätsindex.

Mit anderen Worten, die Forscher analysierten die Sprachmuster [von Facebook-Posts] – Wörter, Sätze, eine Reihe verwandter Wörter – und ihre Verbindung mit 21 Standardkategorien von EMR-Diagnosen.

Insgesamt verwendeten sie drei Modelle, um die Vorhersagekraft für die Patienten zu untersuchen –

1. Das erste Modell analysierte die Sprache von Facebook-Posts
2. Der zweite verwendete demografische Merkmale wie Geschlecht und Alter.
3. Das dritte Modell hat die beiden Datensätze zusammengeführt.

Referenz:PLOS ONE | DOI:10.1371/journal.pone.0215476 | Stony Brook University

Ergebnisse

Facebook-Inhalte haben sich in Bezug auf die Genauigkeit der Vorhersage von 18 der 21 Krankheitskategorien erheblich verbessert. Es hat sich als sehr effizient bei der Vorhersage von Diabetes, Schwangerschaft, Depression, Angstzuständen, Psychosen und anderen psychischen Erkrankungen erwiesen.

Tatsächlich wurden 10 Kategorien durch Facebook-Posts effektiver als durch die traditionellen demografischen Faktoren (Geschlecht, Alter und Rasse) vorhergesagt.

Medizinische Diagnosen in Verbindung mit codierter Sprache in den sozialen Medien können als Screening-Tool dienen und zur Aufklärung der Krankheitsepidemiologie verwendet werden.

Ebenso wie genomische Informationen können Social-Media-Inhalte die Gesundheitsversorgung personalisieren. Durch die Untersuchung mehrerer Erkrankungen können Forscher besser verstehen, wie diese Erkrankungen miteinander verbunden sind, was neue Anwendungen der künstlichen Intelligenz für die Medizin ermöglichen kann.

Lesen Sie:Wissenschaftler entdecken und beheben genetischen Risikofaktor der Alzheimer-Krankheit

Um die Ergebnisse weiter zu verbessern, können zukünftige Studien Unterschiede in gesundheitsbezogenen Daten vergleichen, die von Patienten unterschiedlicher demografischer Bevölkerungsgruppen und auf anderen Plattformen wie Twitter offengelegt wurden.