پزشکی دانشمندان دانشگاه پنسیلوانیا دریافتهاند که شرایط پزشکی را میتوان از روی محتوای پستهای رسانههای اجتماعی پیشبینی کرد.
رسانه های اجتماعی اکنون بخشی جدایی ناپذیر از زندگی ما است. در سال 2019، حداقل 2.7 میلیارد مردم به طور منظم از پلتفرم های رسانه های اجتماعی آنلاین مانند فیس بوک، توییتر و اینستاگرام استفاده کنید. این بدان معناست که بیش از یک میلیارد نفر به صورت روزانه اطلاعات زندگی خود را در این پلتفرم های عمومی به اشتراک می گذارند. مردم آزادانه افکار، علایق و دوست نداشتن ها، احساسات و شخصیت های خود را به اشتراک می گذارند. دانشمندان در حال بررسی هستند که آیا این اطلاعات، در خارج از محیط تولید شده است یا خیر بالینی سیستم مراقبت های بهداشتی، می تواند پیش بینی کننده های احتمالی بیماری را در زندگی روزمره نشان دهد pacientes که در غیر این صورت ممکن است برای پرسنل مراقبت های بهداشتی و محققان پنهان شود. مطالعات قبلی نشان دادهاند که چگونه توییتر میتواند میزان مرگ و میر ناشی از بیماریهای قلبی را پیشبینی کند یا احساسات عمومی را در مورد مسائل مرتبط با پزشکی مانند بیمه کنترل کند. با این حال، اطلاعات رسانه های اجتماعی تاکنون برای پیش بینی شرایط پزشکی در سطح فردی استفاده نشده است.
یک مطالعه جدید در 17 ژوئن در مجله PLOS ONE برای اولین بار پیوند پرونده الکترونیکی پزشکی بیماران (که رضایت خود را اعلام کرده اند) با پروفایل های رسانه های اجتماعی آنها را نشان داده است. هدف محققان این بود که بررسی کنند - اول اینکه آیا شرایط پزشکی یک فرد را می توان از زبان پست شده در حساب(های) رسانه اجتماعی کاربر پیش بینی کرد و دوم اینکه آیا می توان نشانگرهای بیماری خاصی را شناسایی کرد.
محققان از یک تکنیک جمعآوری خودکار دادهها برای تجزیه و تحلیل تاریخچه کامل فیسبوک ۹۹۹ بیمار استفاده کردند. این به معنای تجزیه و تحلیل 999 میلیون کلمه در حدود 20 به روز رسانی وضعیت فیس بوک با پست های حاوی حداقل 949,000 کلمه بود. محققان سه مدل را برای پیشبینی هر بیمار توسعه دادند. اولین مدل زبان پست های فیسبوک را با شناسایی کلمات کلیدی تجزیه و تحلیل کرد. مدل دوم اطلاعات دموگرافیک بیماران مانند سن و جنسیت آنها را تجزیه و تحلیل کرد. مدل سوم این دو مجموعه داده را ترکیب کرد. در مجموع 500 وضعیت پزشکی شامل دیابت، اضطراب، افسردگی، فشار خون بالا، سوء مصرف الکل، چاقی، روان پریشی مورد بررسی قرار گرفت.
تجزیه و تحلیل نشان داد که تمام 21 وضعیت پزشکی تنها از طریق پست های فیس بوک قابل پیش بینی بودند. و، 10 شرایط بهتر از پست های فیس بوک از حتی جمعیت شناسی پیش بینی شده بود. برای مثال، کلیدواژههای برجسته عبارت بودند از «نوشیدن»، «مست» و «بطری» که پیشبینی کننده سوء مصرف الکل بودند و کلماتی مانند «خدا» یا «دعا» یا «خانواده» ۱۵ برابر بیشتر توسط افراد مبتلا به دیابت استفاده میشد. کلماتی مانند "گنگ" به عنوان شاخصی برای سوء مصرف مواد مخدر و روان پریشی و کلماتی مانند "درد"، "گریه" و "اشک" با پریشانی عاطفی مرتبط بودند. زبان فیس بوک مورد استفاده افراد در پیش بینی بسیار موثر بود - به ویژه در مورد دیابت و روان سلامت شرایطی از جمله اضطراب، افسردگی و روان پریشی.
مطالعه حاضر نشان میدهد که میتوان یک سیستم انتخاب کردن برای بیماران ایجاد کرد که در آن بیماران با ارائه دسترسی به این اطلاعات برای پزشکان، امکان تجزیه و تحلیل پستهای رسانههای اجتماعی خود را داشته باشند. این رویکرد می تواند برای افرادی که به طور معمول از رسانه های اجتماعی استفاده می کنند بسیار ارزشمند باشد. از آنجایی که رسانههای اجتماعی افکار، شخصیت، وضعیت روانی و رفتارهای سلامتی افراد را منعکس میکنند، از این دادهها میتوان برای پیشبینی شروع یا بدتر شدن یک بیماری استفاده کرد. در مورد رسانه های اجتماعی، حفظ حریم خصوصی، رضایت آگاهانه و مالکیت داده ها بسیار مهم خواهد بود. فشرده سازی و خلاصه کردن محتوای رسانه های اجتماعی و ایجاد تفاسیر هدف اصلی است.
مطالعه حاضر می تواند راهی برای توسعه جدید باشد هوش مصنوعی برنامه های کاربردی برای پیش بینی شرایط پزشکی داده های رسانه های اجتماعی قابل اندازه گیری هستند و راه های جدیدی برای ارزیابی عوامل خطر رفتاری و محیطی یک بیماری فراهم می کنند. داده های رسانه های اجتماعی یک فرد به عنوان "مدیوم اجتماعی" (مشابه ژنوم - مجموعه کاملی از ژن ها) نامیده می شود.
***
{شما میتوانید مقاله پژوهشی اصلی را با کلیک بر روی پیوند DOI که در فهرست منابع ذکر شده در زیر آمده است بخوانید}
منبع (ها)
Merchant RM و همکاران 2019. ارزیابی قابلیت پیش بینی شرایط پزشکی از پست های رسانه های اجتماعی. PLOS ONE. 14 (6). https://doi.org/10.1371/journal.pone.0215476