Facebook-posts als voorspellende gezondheidshulpmiddelen: detecteren van diabetes, depressie en meer

• Alleen Facebook-posts kunnen ziekten voorspellen zoals diabetes, depressie, angst en psychosen.
• Net als genoomgegevens is sociale media-inhoud capabel van het personaliseren van gezondheidszorg.

Meer dan 2 miljard mensen delen informatie over hun dagelijks leven via sociale mediaplatforms, vaak onthullend hun persoonlijkheid, gevoelens en demografie. Het aantal wordt verwacht meer dan 3 miljard [maandelijkse actieve sociale mediagebruikers] te bereiken in 2021, ongeveer 1/3 van de gehele bevolking.

Zulke informatie bevat nuttige gezondheidssignalen op bevolkingsniveau. Onlangs koppelden onderzoekers van Penn Medicine en Stony Brook University elektronische medische dossiers (EMD) van patiënten aan hun sociale mediadata om ziektekenmerken te identificeren.

Het onderzoeksteam omvatte 999 patiënten die instemden om hun medische dossiers en sociale media-informatie te delen. Ze analyseerden ongeveer 949.000 Facebook-statusupdates met meer dan 20 miljoen woorden. Elke deelnemer had minimaal 500 woorden per post.

Onderzoekers gebruikten natuurlijke taalverwerking — een subveld van kunstmatige intelligentie betrokken bij interacties tussen menselijke (natuurlijke) en computertalen — om de taal van elke deelnemer te coderen als een 700-dimensionale patiënttaalcodering.

Ze categoriseerden de diagnosen uit de EMD van de deelnemer in 21 groepen op basis van prevalentie binnen de steekproef en de Elixhauser Comorbiditeitsindex.

Met andere woorden, onderzoekers analyseerden de taalpatronen [van Facebook-posts] — woorden, zinnen, gerelateerde woordengroepen — en hun verbinding met 21 standaardcategorieën van EMD-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 de Facebook-post
2. Het tweede gebruikte demografie zoals geslacht en leeftijd.
3. Het derde model combineerde de twee datasets.

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

Resultaten

Facebook-inhoud verbeterde de nauwkeurigheid van het voorspellen van 18 van de 21 ziektecategorieën aanzienlijk. Het bleek zeer efficiënt bij het voorspellen van diabetes, zwangerschap, depressie, angst, psychosen en andere geestelijke gezondheidsstoornissen.

Feitelijk werden 10 categorieën effectiever voorspeld door Facebook-posts dan door traditionele demografische factoren (geslacht, leeftijd en ras).

Medische diagnoses gekoppeld aan gecodeerde sociale media-taal kunnen dienen als screeningstool en gebruikt worden om ziekte-epidemiologie te verduidelijken.

Net als genoomgegevens is sociale media-inhoud capabel van het personaliseren van gezondheidszorg. Door verschillende medische aandoeningen te onderzoeken, kunnen onderzoekers beter begrijpen hoe deze aandoeningen met elkaar gerelateerd zijn, wat nieuwe toepassingen voor kunstmatige intelligentie in de geneeskunde kan mogelijk maken.

Om de resultaten verder te verbeteren, kunnen toekomstige studies verschillen vergelijken in gezondheidsgerelateerde data die door patiënten uit verschillende demografische populaties en op andere platforms zoals Twitter worden onthuld.