Facebook 게시물은 질병 및 정신 건강 상태를 예측할 수 있습니다

• Facebook 게시물만으로도 당뇨병, 우울증, 불안, 정신병과 같은 질병을 예측할 수 있습니다.
• 유전체 정보와 마찬가지로 소셜 미디어 콘텐츠도 개인 맞춤형 건강 관리가 가능합니다.

20억 명이 넘는 사람들이 소셜 미디어 플랫폼을 통해 일상 생활에 대한 정보를 공유하고 종종 자신의 성격, 감정 및 인구 통계를 공개합니다. 2021년에는 전체 인구의 약 1/3에 해당하는 30억 명[월간 활성 소셜 미디어 사용자]에 이를 것으로 예상됩니다.

이러한 정보에는 인구 수준에서 유용한 건강 신호가 포함되어 있습니다. 최근에 Penn Medicine과 Stony Brook University의 연구원들은 특정 질병 표지자를 식별하기 위해 환자의 전자 의료 기록(EMR)을 소셜 미디어 데이터와 연결했습니다.

연구팀은 의료 기록과 소셜 미디어 정보 공유에 동의한 999명의 환자를 포함했다. 그들은 2천만 개 이상의 단어가 포함된 약 949,000개의 Facebook 상태 업데이트를 분석했습니다. 각 참가자의 게시물에는 최소 500단어가 포함되었습니다.

연구원들은 인간(자연) 언어와 컴퓨터 언어 간의 상호 작용과 관련된 인공 지능의 하위 분야인 자연 언어 처리를 사용하여 각 참가자 언어를 700차원 환자 언어 인코딩으로 인코딩했습니다.

그런 다음 참가자의 EMR에서 얻은 진단을 샘플 내 유병률과 Elixhauser Comorbidity Index에 따라 21개 그룹으로 분류했습니다.

즉, 연구자들은 [페이스북 게시물의] 언어 패턴(단어, 문장, 관련 단어 묶음)과 21개의 표준 EMR 진단 범주와의 연관성을 분석했습니다.

전반적으로 그들은 세 가지 모델을 사용하여 환자의 예측력을 조사했습니다.

참조:플로스 원 | DOI:10.1371/journal.pone.0215476 | 스토니 브룩 대학교

결과

Facebook 콘텐츠는 21개 질병 범주 중 18개를 예측하는 정확도가 크게 향상되었습니다. 당뇨병, 임신, 우울증, 불안, 정신병 및 기타 정신 건강 상태를 예측하는 데 매우 효율적인 것으로 입증되었습니다.

실제로 10개의 카테고리는 전통적인 인구 통계학적 요소(성별, 연령, 인종)보다 Facebook 게시물에 의해 더 효과적으로 기반되었습니다.

인코딩된 소셜 미디어 언어와 연결된 의료 진단은 선별 도구로 사용될 수 있으며 질병 역학을 설명하는 데 사용할 수 있습니다.

게놈 정보와 마찬가지로 소셜 미디어 콘텐츠도 개인 맞춤형 의료 서비스를 제공할 수 있습니다. 연구원들은 여러 의학적 상태를 조사함으로써 이러한 상태가 서로 어떻게 연관되어 있는지 더 잘 이해할 수 있으며, 이는 의학용 인공 지능의 새로운 응용을 가능하게 할 수 있습니다.

읽기:과학자들이 알츠하이머병의 유전적 위험 요인을 발견하고 수정합니다.

결과를 더욱 개선하기 위해 향후 연구에서는 다양한 인구 통계학적 인구의 환자와 Twitter와 같은 다른 플랫폼에서 공개한 건강 관련 데이터의 차이를 비교할 수 있습니다.