페이스북 게시물로 당뇨·우울증 등 질병 예측… "유전체 정보처럼 건강 맞춤화 가능"

소셜미디어 데이터, 건강 신호의 보고

20억 명 이상이 소셜미디어 플랫폼에서 일상생활 정보를 공유하며 성격, 감정, 인구통계학적 특성을 드러냅니다. 이 수치는 2021년까지 월간 활성 사용자 30억 명, 전 세계 인구의 약 1/3에 달할 것으로 예상됩니다.

이러한 정보는 인구 수준에서 유용한 건강 신호를 포함합니다. 최근 펜 메디신(Penn Medicine)과 스토니브룩대학교 연구진이 환자 전자의무기록(EMR)과 소셜미디어 데이터를 연계해 특정 질병 표지자를 식별했습니다.

연구팀은 의무기록과 소셜미디어 정보 공유에 동의한 999명 환자를 포함했습니다. 2,000만 단어 이상을 담은 약 949,000개 페이스북 상태 업데이트를 분석했습니다. 각 참가자 게시물은 최소 500단어 이상이었습니다.

연구진은 자연어 처리(NLP) — 인간(자연) 언어와 컴퓨터 언어 간 상호작용을 다루는 AI 하위 분야 — 를 사용해 각 참가자 언어를 700차원 환자 언어 인코딩으로 인코딩했습니다.

그런 다음 참가자 EMR 진단을 샘플 내 유병률과 엘릭스하우저 동반질환 지수(Elixhauser Comorbidity Index) 기반으로 21개 그룹으로 분류했습니다.

즉, 연구자들은 페이스북 게시물의 언어 패턴(단어, 문장, 관련 단어 묶음)과 21개 표준 EMR 진단 범주 간 연관성을 분석했습니다.

전반적으로 환자 예측력을 조사하기 위해 세 가지 모델을 사용했습니다.

1. 첫 번째 모델: 페이스북 게시물 언어 분석
2. 두 번째 모델: 성별, 연령 등 인구통계학적 요인 사용
3. 세 번째 모델: 두 데이터셋 병합

참고: PLOS ONE | DOI:10.1371/journal.pone.0215476 | 스토니브룩대학교

결과

페이스북 콘텐츠는 21개 질병 범주 중 18개의 예측 정확도를 실질적으로 개선했습니다. 당뇨, 임신, 우울증, 불안, 정신증 등 정신건강 질환 예측에 매우 효율적이었습니다.

사실 10개 범주는 전통적 인구통계적 요인(성별, 연령, 인종)보다 페이스북 게시물로 더 효과적으로 예측됐습니다.

인코딩된 소셜미디어 언어와 연계된 의학적 진단은 선별 도구로 활용되고 질병 역학을 규명하는 데 사용될 수 있습니다.

유전체 정보처럼 소셜미디어 콘텐츠도 건강 관리를 맞춤화할 수 있습니다. 여러 의학적 상태를 조사함으로써 연구자들은 이러한 상태들이 서로 어떻게 연관되는지 더 잘 이해할 수 있으며, 이는 의학 분야 AI의 새로운 응용을 가능하게 합니다.

향후 연구에서는 다양한 인구통계학적 집단의 환자들이 공개하는 건강 관련 데이터 차이와 트위터 등 다른 플랫폼을 비교해 결과를 더욱 개선할 수 있습니다.