Facebook-Posts als Gesundheitsmarker: KI erkennt Diabetes, Depression, Psychosen aus Sprachmustern
Social-Media-Sprache personalisiert Gesundheitsversorgung wie Genomdaten
Forscher von Penn Medicine und Stony Brook University verknüpften elektronische Patientenakten (EMR) von 999 Probanden mit ~949.000 Facebook-Statusmeldungen (20 Mio. Wörter, min. 500 Wörter/Proband).
Methodik: Natural Language Processing
- Sprache → 700-dimensionale Patienten-Sprachkodierung
- EMR-Diagnosen → 21 Kategorien (Prävalenz, Elixhauser-Index)
- Drei Modelle: (1) Facebook-Sprache, (2) Demografie (Alter, Geschlecht), (3) Kombiniert
Ergebnisse
- Facebook-Inhalte verbesserten Vorhersagegenauigkeit bei 18 von 21 Krankheitskategorien
- Besonders stark: Diabetes, Schwangerschaft, Depression, Angststörungen, Psychosen
- 10 Kategorien besser vorhersagbar durch Facebook-Posts als durch Demografie
Social-Media-Sprache kann als Screening-Tool dienen, Krankheitsepidemiologie aufklären und – wie Genomdaten – personalisierte Medizin ermöglichen. Zukünftige Studien: Vergleich demografischer Gruppen, andere Plattformen (Twitter).
Quelle: PLOS ONE | DOI:10.1371/journal.pone.0215476 | Stony Brook University
Industrietechnik
- Resilientes Health & Safety-Programm für Wartungsmanager aufbauen
- Revolutionärer Smartphone-Algorithmus ermöglicht präzise Krankheitsdiagnose
- KI kartiert globale informelle Siedlungen aus Satellitenbildern mit niedriger Auflösung
- KI erkennt Alzheimer 6 Jahre früher mit 100 % Genauigkeit
- 35 wichtige Facebook-Statistiken 2020: Insights für Marketer & Nutzer
- Fertigungsgeschäft ankurbeln: Facebook für maximale Reichweite nutzen
- LinkedIn: Die führende Plattform für Hersteller, um zu vernetzen und zu wachsen
- Interoperabilität erklärt: Wie Ihr Unternehmen nahtlose Integration erreicht
- Gesundheitsstrategien für Lkw-Fahrer: Mentale & körperliche Fitness stärken
- Shop Floor Man bringt Humor in Fertigungs-Social-Media, begeistert neue Generation