Forskere har laget en algoritme som analyserer sosiale medier innlegg for å finne språklige markører for depresjon.
I et gitt år påvirker depresjon mer enn seks prosent av den voksne befolkningen i USA - noen 16 millioner mennesker - men færre enn halvparten mottar den behandlingen de trenger.
Analysere sosiale medier data som samtykker brukere delt i løpet av månedene som fører opp til en depresjon diagnose, fant forskerne at deres algoritme kunne nøyaktig forutsi fremtidig depresjon. Indikatorer for tilstanden inkluderte nevnes fiendtlighet og ensomhet, ord som "tårer" og "følelser" og bruk av flere førstepersons pronomen som "jeg" og "meg".
Funnene vises i Proceedings of National Academy of Sciences.
Dine sosiale medier 'genom'
"Hva folk skriver i sosiale medier og på nettet fanger et aspekt av livet som er veldig vanskelig i medisin og forskning for å få tilgang til ellers. Det er en dimensjon som er relativt uutnyttet sammenlignet med biofysiske sykdomstegn, "sier H. Andrew Schwartz, assisterende professor i datavitenskap ved Stony Brook University og senior paper author. "Forhold som depresjon, angst og PTSD, for eksempel, finner du flere signaler på måten folk uttrykker seg digitalt på."
I seks år har forskere i Verdens Velfærdsprosjekt (WWBP), basert i University of Pennsylvanias Positive Psychology Center og Stony Brooks Human Language Analysis Lab, studert hvordan ordene folk bruker, gjenspeiler deres indre følelser og tilfredshet. I 2014 begynte Johannes Eichstaedt, grunnforsker ved WWBP og en postdoktor ved Penn, å spørre om det var mulig for sosiale medier å forutsi psykiske helseutfall, spesielt for depresjon.
"Social media data inneholder markører som er knyttet til genomet. Med overraskende lignende metoder til de som brukes i genomics, kan vi kombinere sosiale medier data for å finne disse markørene, "forklarer Eichstaedt. "Depresjon ser ut til å være noe helt påviselig på denne måten; det endrer virkelig menneskers bruk av sosiale medier på en måte som noe som hudsykdom eller diabetes ikke gjør. "
Skriften er på Facebook-veggen
I stedet for å gjøre hva tidligere studier hadde gjort - rekruttere deltakere som selvrapporterte de hadde depresjon - forskerne identifiserte data fra personer som samtykker i å dele Facebook-statuser og elektronisk medisinsk rekordinformasjon, deretter analyserte statusene ved hjelp av maskinlæringsteknikker for å skille dem med en formell depresjon diagnose.
"Dette er tidlig arbeid fra vårt sosiale mediomregister fra Pennmedisinssenteret for digital helse, som knytter seg til sosiale medier med data fra helseposter," forteller studiekonsulent Raina Merchant. "For dette prosjektet er alle individer samtykket, ingen data er samlet inn fra nettverket, dataene er anonymisert, og de strengeste nivåene av personvern og sikkerhet er overholdt."
Nesten 1,200-folk samtykket deretter til å levere begge digitale arkiver. Av disse hadde bare 114-personer en diagnose av depresjon i sine medisinske poster. Forskerne matchte da hver person med en depresjondiagnose med fem som ikke, for å fungere som kontroll, for en total prøve av 683-personer (unntatt en for utilstrekkelig ord innen statusoppdateringer). Tanken var å skape så realistisk et scenario som mulig for å trene og teste forskernes algoritme.
"Det er en oppfatning at bruk av sosiale medier ikke er bra for ens mental helse, men det kan vise seg å være et viktig verktøy for diagnostisering, overvåking og til slutt behandling av det."
"Dette er et veldig vanskelig problem," sier Eichstaedt. "Hvis 683 mennesker er tilstede på sykehuset og 15 prosent av dem er deprimerte, vil vår algoritme kunne forutsi hvilke? Hvis algoritmen sier ingen var deprimert, ville det være 85 prosent nøyaktig. "
For å bygge algoritmen, så forskerne tilbake på 524,292 Facebook-oppdateringer fra årene som førte til diagnose for hvert individ med depresjon og i samme tidsrom for kontrollen. De bestemte de mest brukte ordene og setningene, deretter modellerte 200-emner for å utrede hva de kalte "depresjonssammenhengte språkmarkører". Til slutt sammenlignet de på hvilken måte og hvor ofte deprimerte versus kontrolldeltakere brukte slik formulering.
"Gule flagg" for depresjonsdiagnose
De lærte at disse markørene inneholdt emosjonelle, kognitive og mellommenneskelige prosesser som fiendtlighet og ensomhet, tristhet og drømming, og kunne forutsi fremtidig depresjon så tidlig som tre måneder før første dokumentasjon av sykdommen i en medisinsk rekord.
"Det er en oppfatning at bruk av sosiale medier ikke er bra for ens mental helse, men det kan vise seg å være et viktig verktøy for å diagnostisere, overvåke og til slutt behandle det," sier Schwartz. "Her har vi vist at den kan brukes med kliniske poster, et skritt mot å forbedre mental helse med sosiale medier."
Eichstaedt ser det langsiktige potensialet ved å bruke disse dataene som en form for diskret screening for en depresjonsdiagnose. "Håpet er at en dag, disse screeningsystemene kan integreres i omsorgssystemer," sier han. "Dette verktøyet gir gul flagg; Til slutt er håpet at du kan direkte trappe folk det identifiserer i skalerbare behandlingsmodaliteter. "
Til tross for begrensninger i studien, inkludert en særegen urbane prøve og begrensninger i selve feltet - ikke alle depresjonsdiagnoser i en medisinsk rekord, oppfyller gullstandarden som strukturerte kliniske intervjuer gir, for eksempel - funnene gir en potensiell ny måte å avdekke og få hjelp til de som lider av depresjon.
kilde: Stony Brook University
Relaterte bøker
at InnerSelf Market og Amazon
