Οι ερευνητές έχουν δημιουργήσει έναν αλγόριθμο που αναλύει δημοσιεύσεις στα μέσα κοινωνικής δικτύωσης για να βρουν γλωσσικούς δείκτες κατάθλιψης.

Σε οποιοδήποτε δεδομένο έτος, η κατάθλιψη επηρεάζει περισσότερο από το 16% του ενήλικου πληθυσμού στις Ηνωμένες Πολιτείες - περίπου XNUMX εκατομμύρια άτομα - αλλά λιγότεροι από τους μισούς λαμβάνουν τη θεραπεία που χρειάζονται.

Αναλύοντας δεδομένα κοινωνικών μέσων τα οποία μοιράστηκαν οι χρήστες με συγκατάθεση κατά τη διάρκεια των μηνών που οδήγησαν σε διάγνωση κατάθλιψης, οι ερευνητές διαπίστωσαν ότι ο αλγόριθμός τους θα μπορούσε να προβλέψει με ακρίβεια τη μελλοντική κατάθλιψη. Οι δείκτες της κατάστασης περιλάμβαναν αναφορές εχθρότητας και μοναξιάς, λέξεις όπως «δάκρυα» και «συναισθήματα» και χρήση περισσότερων αντωνυμιών πρώτου προσώπου όπως «εγώ» και «εγώ».

Τα ευρήματα εμφανίζονται στο Πρακτικά της Εθνικής Ακαδημίας Επιστημών.

Το «γονιδίωμα» των κοινωνικών μέσων σας

«Αυτό που γράφουν οι άνθρωποι στα μέσα κοινωνικής δικτύωσης και στο διαδίκτυο καταγράφει μια πτυχή της ζωής που είναι πολύ δύσκολη στην ιατρική και την έρευνα για να έχει πρόσβαση διαφορετικά. Είναι μια διάσταση που είναι σχετικά ανεκμετάλλευτη σε σύγκριση με τους βιοφυσικούς δείκτες της νόσου », λέει ο H. Andrew Schwartz, επίκουρος καθηγητής επιστήμης υπολογιστών στο Πανεπιστήμιο Stony Brook και ανώτερος συγγραφέας του χαρτιού. "Καταστάσεις όπως η κατάθλιψη, το άγχος και το PTSD, για παράδειγμα, θα βρείτε περισσότερα σήματα με τον τρόπο που οι άνθρωποι εκφράζονται ψηφιακά."

Για έξι χρόνια, ερευνητές στο World Well-Being Project (WWBP), με έδρα το Κέντρο Θετικής Ψυχολογίας του Πανεπιστημίου της Πενσυλβανίας και το εργαστήριο Ανάλυσης Ανθρώπινης Γλώσσας του Stony Brook, μελετούν πώς οι λέξεις που χρησιμοποιούν οι άνθρωποι αντικατοπτρίζουν τα εσωτερικά συναισθήματα και την ικανοποίησή τους. Το 2014, ο Johannes Eichstaedt, ιδρυτικός ερευνητής του WWBP και μεταδιδακτορικός συνεργάτης στο Penn, άρχισε να αναρωτιέται αν ήταν δυνατό για τα κοινωνικά μέσα να προβλέψουν τα αποτελέσματα της ψυχικής υγείας, ιδιαίτερα για την κατάθλιψη.

«Τα δεδομένα κοινωνικών μέσων περιέχουν δείκτες που μοιάζουν με το γονιδίωμα. Με εκπληκτικά παρόμοιες μεθόδους με αυτές που χρησιμοποιούνται στη γονιδιωματική, μπορούμε να συνδυάσουμε δεδομένα κοινωνικών μέσων για να βρούμε αυτούς τους δείκτες », εξηγεί ο Eichstaedt. «Η κατάθλιψη φαίνεται να είναι κάτι αρκετά ανιχνεύσιμο με αυτόν τον τρόπο. αλλάζει πραγματικά τη χρήση των κοινωνικών μέσων από τους ανθρώπους με τέτοιο τρόπο που κάτι σαν δερματική νόσος ή διαβήτης. "

Τα γραπτά στον τοίχο του Facebook

Αντί να κάνουν ό, τι είχαν κάνει προηγούμενες μελέτες - στρατολόγηση συμμετεχόντων που ανέφεραν ότι είχαν κατάθλιψη - οι ερευνητές εντόπισαν δεδομένα από άτομα που συναινούν να μοιράζονται τις καταστάσεις του Facebook και τις ηλεκτρονικές πληροφορίες ιατρικών αρχείων, και στη συνέχεια ανέλυσαν τις καταστάσεις χρησιμοποιώντας τεχνικές μηχανικής μάθησης για να διακρίνουν αυτούς με επίσημη διάγνωση κατάθλιψης.

«Πρόκειται για πρώιμη δουλειά από το μητρώο Social Mediome από το Penn Medicine Center για Ψηφιακή Υγεία, το οποίο ενώνει τα μέσα κοινωνικής δικτύωσης με δεδομένα από αρχεία υγείας», λέει η συγγραφέας της μελέτης, Raina Merchant. "Για αυτό το έργο, όλα τα άτομα έχουν συναινέσει, δεν συλλέγονται δεδομένα από το δίκτυό τους, τα δεδομένα είναι ανωνυμικά και τηρούνται τα αυστηρότερα επίπεδα ιδιωτικότητας και ασφάλειας."

Στη συνέχεια, σχεδόν 1,200 άτομα συμφώνησαν να παρέχουν και τα δύο ψηφιακά αρχεία. Από αυτά, μόλις 114 άτομα είχαν διάγνωση κατάθλιψης στα ιατρικά τους αρχεία. Στη συνέχεια, οι ερευνητές αντιστοιχούσαν κάθε άτομο με διάγνωση κατάθλιψης με πέντε άτομα που δεν το έκαναν μάρτυρα για ένα συνολικό δείγμα 683 ατόμων (εξαιρουμένου ενός για ανεπαρκείς λέξεις στις ενημερώσεις κατάστασης). Η ιδέα ήταν να δημιουργήσουμε όσο το δυνατόν πιο ρεαλιστικό σενάριο για να εκπαιδεύσουμε και να δοκιμάσουμε τον αλγόριθμο των ερευνητών.

«Υπάρχει η αντίληψη ότι η χρήση κοινωνικών μέσων δεν είναι καλή για την ψυχική υγεία κάποιου, αλλά μπορεί να αποδειχθεί σημαντικό εργαλείο για τη διάγνωση, την παρακολούθηση και τελικά τη θεραπεία του».

«Αυτό είναι ένα πολύ δύσκολο πρόβλημα», λέει ο Eichstaedt. «Αν 683 άτομα παρευρίσκονται στο νοσοκομείο και 15 τοις εκατό από αυτούς είναι κατάθλιψη, θα μπορούσε ο αλγόριθμος μας να προβλέψει ποιοι; Εάν ο αλγόριθμος λέει ότι κανείς δεν είχε κατάθλιψη, θα ήταν 85 τοις εκατό ακριβές. "

Για να δημιουργήσουν τον αλγόριθμο, οι ερευνητές εξέτασαν 524,292 ενημερώσεις στο Facebook από τα χρόνια που οδήγησαν στη διάγνωση για κάθε άτομο με κατάθλιψη και για το ίδιο χρονικό διάστημα για τον έλεγχο. Καθόρισαν τις πιο συχνά χρησιμοποιούμενες λέξεις και φράσεις, στη συνέχεια μοντελοποίησαν 200 θέματα για να συζητήσουν αυτό που ονόμασαν «δείκτες γλώσσας που σχετίζονται με την κατάθλιψη». Τέλος, συνέκριναν με ποιον τρόπο και πόσο συχνά οι συμμετέχοντες κατάθλιψης έναντι του ελέγχου χρησιμοποίησαν τέτοια φράση.

«Κίτρινες σημαίες» για τη διάγνωση κατάθλιψης

Έμαθαν ότι αυτοί οι δείκτες περιελάμβαναν συναισθηματικές, γνωστικές και διαπροσωπικές διεργασίες όπως εχθρότητα και μοναξιά, θλίψη και αμφιβολία, και θα μπορούσαν να προβλέψουν μελλοντική κατάθλιψη ήδη τρεις μήνες πριν από την πρώτη τεκμηρίωση της ασθένειας σε ιατρικό αρχείο.

«Υπάρχει η αντίληψη ότι η χρήση των κοινωνικών μέσων δεν είναι καλή για την ψυχική υγεία κάποιου, αλλά μπορεί να αποδειχθεί σημαντικό εργαλείο για τη διάγνωση, την παρακολούθηση και τελικά τη θεραπεία του», λέει ο Schwartz. «Εδώ, δείξαμε ότι μπορεί να χρησιμοποιηθεί με κλινικά αρχεία, ένα βήμα προς τη βελτίωση της ψυχικής υγείας με τα μέσα κοινωνικής δικτύωσης».

Ο Eichstaedt βλέπει το μακροπρόθεσμο δυναμικό στη χρήση αυτών των δεδομένων ως μια μορφή διακριτικού ελέγχου για διάγνωση κατάθλιψης. «Η ελπίδα είναι ότι μια μέρα, αυτά τα συστήματα ελέγχου μπορούν να ενσωματωθούν σε συστήματα φροντίδας», λέει. «Αυτό το εργαλείο σηκώνει κίτρινες σημαίες. τελικά η ελπίδα είναι ότι θα μπορούσατε να διοχετεύσετε άμεσα άτομα που ταυτίζεται με επεκτάσιμους τρόπους θεραπείας. "

Παρά τους περιορισμούς της μελέτης, συμπεριλαμβανομένου ενός διακριτικού αστικού δείγματος και περιορισμών στον ίδιο τον τομέα - δεν είναι κάθε διάγνωση κατάθλιψης σε ιατρικό αρχείο που πληροί το χρυσό πρότυπο που παρέχουν δομημένες κλινικές συνεντεύξεις, για παράδειγμα - τα ευρήματα προσφέρουν έναν πιθανό νέο τρόπο να αποκαλυφθούν και λάβετε βοήθεια για όσους πάσχουν από κατάθλιψη.

πηγή: Stony Brook University

Σχετικά βιβλία

at InnerSelf Market και Amazon