Araştırmacılar, sosyal medya yayınlarını analiz eden, depresyon için dilbilimsel belirteçleri bulmak için bir algoritma yarattılar.

Herhangi bir yılda, depresyon Amerika Birleşik Devletleri'ndeki yetişkin nüfusun yüzde altıdan fazlasını (bazı 16 milyon kişi) etkiler, ancak bunların yarısından azı ihtiyaç duydukları tedaviyi alır.

Araştırmacılar, depresyon teşhisine yol açan aylar boyunca paylaşılan kullanıcılara izin veren sosyal medya verilerini analiz ederek, algoritmalarının algoritmalarının gelecekteki depresyonları doğru bir şekilde tahmin edebileceğini keşfetti. Durumun göstergeleri arasında düşmanlık ve yalnızlık, “gözyaşı” ve “duygular” gibi kelimeler ve “ben” ve “ben” gibi daha çok birinci şahıs zamirlerinin kullanımı vardı.

Bulgular Ulusal Bilimler Akademisi Tutanakları.

Sosyal medyadaki 'genom'

“İnsanların sosyal medyada ve çevrimiçi olarak yazdıkları şey, tıpta ve araştırmada başka türlü erişilmesi çok zor olan bir yaşam yönünü yakalar. Bu, hastalığın biyofiziksel belirteçlerine kıyasla nispeten kullanılmayan bir boyut, ”diyor Stony Brook Üniversitesi'nde bilgisayar bilimi profesörü ve kıdemli bildiri yazarı H. Andrew Schwartz. “Depresyon, anksiyete ve TSSB gibi koşullar, örneğin, insanların kendilerini dijital olarak ifade etmelerinde daha fazla sinyal bulursunuz.”

Altı yıl boyunca, Pennsylvania'nın Pozitif Psikoloji Merkezi ve Stony Brook'un İnsan Dilini Analiz Laboratuvarı merkezli Dünya Refahı Projesi'ndeki (WWBP) araştırmacılar, insanların kullandıkları kelimelerin içsel duygularını ve memnuniyetlerini nasıl yansıttığını araştırıyorlar. 2014’te, WWBP’nin araştırma bilimcisi ve Penn’de doktora sonrası bir araştırmacı olan Johannes Eichstäedt, sosyal medyanın özellikle depresyon için zihinsel sağlık sonuçlarını tahmin etmesinin mümkün olup olmadığını merak etmeye başladı.

“Sosyal medya verileri, genom için benzer belirteçler içeriyor. Genomikte kullanılanlara şaşırtıcı şekilde benzer yöntemlerle, bu belirteçleri bulmak için sosyal medya verilerini birleştirebiliriz, ”diyor Eichstaedt. “Depresyon bu şekilde oldukça tespit edilebilir bir şey gibi görünüyor; insanların sosyal medyayı kullanmalarını, cilt hastalığı veya şeker hastalığı gibi bir şeyin kullanmayacağı şekilde değiştiriyor. ”

Yazı Facebook duvarında

Önceki çalışmaların yaptığını yapmak yerine - depresyon olduğunu bildiren katılımcıları işe almak - araştırmacılar Facebook durumlarını ve elektronik tıbbi kayıt bilgilerini paylaşmaya razı olan kişilerin verilerini tespit ettiler, daha sonra bunları ayırmak için makine öğrenme tekniklerini kullanarak durumları analiz ettiler. formal depresyon teşhisi.

Çalışma yazarı Raina Merchant, “Bu, sosyal medyayı sağlık kayıtlarından elde edilen verilerle birleştiren Dijital Sağlık Penn Tıp Merkezi'nden Sosyal Mediome Sicilimizde yapılan erken çalışmadır” diyor. “Bu proje için tüm bireyler onaylandı, ağlarından veri toplanmadı, veriler isimsiz hale getirildi ve en katı gizlilik ve güvenlik seviyelerine uyuldu.”

Neredeyse 1,200 çalışanı her iki dijital arşivi sağlama konusunda da onay verdi. Bunlardan sadece 114 insanının tıbbi kayıtlarında depresyon tanısı vardı. Araştırmacılar daha sonra beş kişiyle depresyon teşhisi konan her kişiyi eşleşti, kontrol etmeyi, toplam 683 insan örneği aldılar (durum güncellemeleri içindeki yetersiz kelimeler hariç). Fikir, araştırmacıların algoritmasını eğitmek ve test etmek için mümkün olduğunca gerçekçi bir senaryo oluşturmaktı.

“Sosyal medyayı kullanmanın zihinsel sağlığı için iyi olmadığı, ancak teşhis, izleme ve nihayetinde tedavi etmek için önemli bir araç olduğu ortaya çıktı.”

“Bu gerçekten zor bir problem” diyor Eichstäedt. “683 insanlar hastaneye geliyorsa ve yüzde 15 bunalımlıysa, algoritmamız hangilerini tahmin edebilir? Algoritma kimsenin depresyona girmediğini söyleseydi, yüzde 85 oranında doğru olurdu. ”

Algoritmayı oluşturmak için, araştırmacılar, 524,292 Facebook güncellemelerine depresyonlu her bireyin teşhis edilmesine ve aynı zamanda kontrol için aynı zamana kadar uzanan yıllardan geriye baktı. En sık kullanılan kelimeleri ve kelime öbeklerini belirlediler, sonra “depresyonla ilişkili dil belirteçleri” olarak adlandırdıkları şeyleri anlatmak için 200 konularını modellediler. Son olarak, kontrol katılımcılarına karşı depresyona karşı bu tür ifadeleri ne şekilde ve ne sıklıkla kullandıklarını karşılaştırdılar.

Depresyon teşhisi için 'sarı bayraklar'

Bu belirteçlerin düşmanlık ve yalnızlık, üzüntü ve ruminasyon gibi duygusal, bilişsel ve kişilerarası süreçleri içerdiğini ve hastalığın tıbbi bir kayıtta ilk belgelenmesinden önceki üç ay kadar erken bir zamanda gelecekteki depresyonun tahmin edilebileceğini öğrendiler.

Schwartz, “Sosyal medyayı kullanmanın zihinsel sağlığı için iyi olmadığı, ancak teşhis, izleme ve nihayetinde tedavi etmek için önemli bir araç olabileceği algısı var” diyor. “Burada, sosyal medya ile zihinsel sağlığın iyileştirilmesine yönelik bir adım olan klinik kayıtlarla kullanılabileceğini gösterdik.”

Eichstäedt, bu verileri depresyon teşhisi için göze çarpmayan bir tarama şekli olarak kullanma konusunda uzun vadeli bir potansiyel görüyor. “Umut, bir gün, bu tarama sistemlerinin bakım sistemlerine entegre edilebilmesidir” diyor. “Bu araç sarı bayraklar kaldırıyor; Sonunda umut, tanımladığı insanları doğrudan ölçeklenebilir tedavi yöntemlerine yönlendirmenizdir. ”

Farklı bir kentsel örneklem dahil olmak üzere, çalışmadaki bazı sınırlamalara ve alanın kendisindeki sınırlamalara rağmen - tıbbi bir kayıttaki her depresyon teşhisi, örneğin yapılandırılmış klinik görüşmelerin sağladığı altın standarda uymuyor - bulgular ortaya çıkarmak için potansiyel yeni bir yol sunuyor ve depresyon muzdarip olanlar için yardım almak.

Kaynak: Stony Brook Üniversitesi

İlgili Kitaplar

at InnerSelf Pazarı ve Amazon