Facebook-berichten kunnen ziekten en psychische aandoeningen voorspellen

• Alleen Facebook-berichten kunnen ziekten zoals diabetes, depressie, angst en psychosen voorspellen.
• Net als genomische informatie kan de inhoud van sociale media de gezondheidszorg personaliseren.

Meer dan 2 miljard mensen delen informatie over hun dagelijks leven via sociale-mediaplatforms, waarbij ze vaak hun persoonlijkheid, sentimenten en demografie onthullen. Verwacht wordt dat het aantal tegen 2021 meer dan 3 miljard [maandelijkse actieve gebruikers van sociale media] zal bereiken, ongeveer 1/3 van de totale bevolking.

Dergelijke informatie bevat bruikbare gezondheidssignalen op populatieniveau. Onlangs hebben onderzoekers van Penn Medicine en Stony Brook University de elektronische medische dossiers (EMR) van patiënten gekoppeld aan hun sociale-mediagegevens om bepaalde ziektemarkers te identificeren.

Het onderzoeksteam omvatte 999 patiënten die ermee instemden hun medische dossiers en sociale media-informatie te delen. Ze analyseerden ongeveer 949.000 Facebook-statusupdates met meer dan 20 miljoen woorden. Het bericht van elke deelnemer bevatte minimaal 500 woorden.

Onderzoekers gebruikten natuurlijke taalverwerking - een deelgebied van kunstmatige intelligentie dat zich bezighoudt met interacties tussen menselijke (natuurlijke) en computertalen - om elke deelnemertaal te coderen als een 700-dimensionale patiënttaalcodering.

Vervolgens categoriseerden ze de diagnoses van het EMR van de deelnemer in 21 groepen op basis van de prevalentie binnen de steekproef en de Elixhauser Comorbidity Index.

Met andere woorden, onderzoekers analyseerden de taalpatronen [van Facebook-berichten] - woorden, zinnen, een heleboel verwante woorden - en hun verband met 21 standaardcategorieën van EMR-diagnoses.

Over het algemeen gebruikten ze drie modellen om de voorspellende kracht voor de patiënten te onderzoeken -

1. Het eerste model analyseerde de taal van Facebook-berichten
2. De tweede gebruikte demografische gegevens zoals geslacht en leeftijd.
3. Het derde model heeft de twee datasets samengevoegd.

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

Resultaten

Facebook-inhoud is aanzienlijk verbeterd ten opzichte van de nauwkeurigheid van het voorspellen van 18 van de 21 ziektecategorieën. Het bleek zeer efficiënt te zijn in het voorspellen van diabetes, zwangerschap, depressie, angst, psychosen en andere psychische aandoeningen.

In feite werden 10 categorieën effectiever bepaald door Facebook-post dan door de traditionele demografische factoren (geslacht, leeftijd en ras).

Medische diagnoses die verband houden met gecodeerde taal op sociale media kunnen dienen als screeningsinstrument en worden gebruikt om de epidemiologie van ziekten op te helderen.

Net als genomische informatie kan de inhoud van sociale media de gezondheidszorg personaliseren. Door verschillende medische aandoeningen te onderzoeken, kunnen onderzoekers beter begrijpen hoe deze aandoeningen met elkaar samenhangen, wat nieuwe toepassingen van kunstmatige intelligentie voor medicijnen mogelijk kan maken.

Lees:Wetenschappers ontdekken en repareren genetische risicofactor voor de ziekte van Alzheimer

Om de resultaten verder te verbeteren, kunnen toekomstige studies verschillen vergelijken in gezondheidsgerelateerde gegevens die zijn bekendgemaakt door patiënten van verschillende demografische populaties en op andere platforms zoals Twitter.