Medizintechnik scientists from University of Pennsylvania have found that medical conditions could be predicted from contents of social media posts
Soziale Medien is now an integral part of our lives. In 2019, at least 2.7 billion befähigen regularly use online social media platforms like Facebook, Twitter and Instagram. This means that more than a billion individuals share information on a daily basis about their lives on these public platforms. People freely share their thoughts, likes and dislikes, sentiments and personalities. Scientists are exploring whether this information, generated outside the klinisch healthcare system, could reveal possible disease predictors in daily lives of Patienten die andernfalls dem Gesundheitspersonal und den Forschern verborgen bleiben könnten. Frühere Studien haben gezeigt, wie Twitter die Sterblichkeitsrate bei Herzerkrankungen vorhersagen oder die öffentliche Meinung zu medizinischen Themen wie Versicherungen überwachen kann. Allerdings wurden Social-Media-Informationen bisher nicht verwendet, um medizinische Zustände auf individueller Ebene vorherzusagen.
Eine neue Studie veröffentlicht am 17. Juni in PLoS ONE hat erstmals die Verknüpfung elektronischer Krankenakten von Patienten (die ihr Einverständnis gegeben haben) mit ihren Social-Media-Profilen gezeigt. Die Forscher wollten untersuchen – erstens, ob der medizinische Zustand einer Person anhand der Sprache, die auf den Social-Media-Konten des Benutzers veröffentlicht wird, vorhergesagt werden kann und zweitens, ob spezifische Krankheitsmarker identifiziert werden können.
Die Forscher verwendeten eine automatisierte Datenerfassungstechnik, um die vollständige Facebook-Anamnese von 999 Patienten zu analysieren. Dies bedeutete die Analyse von riesigen 20 Millionen Wörtern in rund 949,000 Facebook-Status-Updates mit Posts, die mindestens 500 Wörter enthalten. Die Forscher entwickelten drei Modelle, um Vorhersagen für jeden Patienten zu treffen. Das erste Modell analysierte die Sprache von Facebook-Posts, indem es Schlüsselwörter identifizierte. Das zweite Modell analysierte die demografischen Informationen der Patienten wie Alter und Geschlecht. Das dritte Modell kombinierte diese beiden Datensätze. Insgesamt wurden 21 Erkrankungen untersucht, darunter Diabetes, Angstzustände, Depressionen, Bluthochdruck, Alkoholmissbrauch, Fettleibigkeit und Psychosen.
Die Analyse zeigte, dass alle 21 Erkrankungen allein anhand von Facebook-Posts vorhersehbar waren. Und 10 Bedingungen wurden von Facebook-Posts besser vorhergesagt als sogar demografische Daten. Die prominenten Schlüsselwörter waren zum Beispiel „Getränk“, „Betrunken“ und „Flasche“, die auf Alkoholmissbrauch hindeuteten, und Wörter wie „Gott“ oder „Beten“ oder „Familie“ wurden 15-mal häufiger von Menschen mit Diabetes verwendet. Wörter wie „stumm“ dienten als Indikatoren für Drogenmissbrauch und Psychosen und Wörter wie „Schmerzen“, „Weinen“ und „Tränen“ wurden mit emotionaler Belastung in Verbindung gebracht. Die von Einzelpersonen verwendete Facebook-Sprache war sehr effektiv, um Vorhersagen zu treffen – insbesondere über Diabetes und psychische der Knochen und des Bewegungsapparates Erkrankungen wie Angst, Depression und Psychose.
Die aktuelle Studie legt nahe, dass ein Opt-in-System für Patienten entwickelt werden könnte, bei dem Patienten die Analyse ihrer Social-Media-Posts ermöglichen, indem sie Klinikern Zugang zu diesen Informationen gewähren. Dieser Ansatz könnte für Menschen am wertvollsten sein, die regelmäßig soziale Medien nutzen. Da soziale Medien die Gedanken, die Persönlichkeit, den psychischen Zustand und das Gesundheitsverhalten der Menschen widerspiegeln, könnten diese Daten verwendet werden, um den Beginn oder die Verschlechterung einer Krankheit vorherzusagen. Wenn es um soziale Medien geht, werden Datenschutz, Einwilligung nach Aufklärung und Dateneigentum von entscheidender Bedeutung sein. Das Verdichten und Zusammenfassen von Social-Media-Inhalten und Interpretationen ist das primäre Ziel.
The current study can lead way to develop new künstliche Intelligenz applications for predicting medical conditions. Social media data is quantifiable and provides new avenues to assess behavioural and environmental risk factors of a disease. Social media data of an individual is being referred to as ‘social mediome’ (similar to genome – complete set of genes).
***
{Sie können das ursprüngliche Forschungspapier lesen, indem Sie auf den unten angegebenen DOI-Link in der Liste der zitierten Quellen klicken}
Quelle (n)
Händler RM et al. 2019. Bewertung der Vorhersehbarkeit von Erkrankungen aus Social-Media-Beiträgen. PLUS EINS. 14 (6). https://doi.org/10.1371/journal.pone.0215476
