Medizintechnik Wissenschaftler der University of Pennsylvania haben herausgefunden, dass sich anhand der Inhalte von Social-Media-Beiträgen medizinische Zustände vorhersagen lassen
Soziale Medien ist mittlerweile ein fester Bestandteil unseres Lebens. Im Jahr 2019 waren es immerhin 2.7 Milliarden befähigen nutzen regelmäßig Online-Social-Media-Plattformen wie Facebook, Twitter und Instagram. Das bedeutet, dass auf diesen öffentlichen Plattformen täglich mehr als eine Milliarde Menschen Informationen über ihr Leben austauschen. Menschen teilen frei ihre Gedanken, Vorlieben und Abneigungen, Gefühle und Persönlichkeiten. Wissenschaftler untersuchen, ob diese Informationen außerhalb der generiert werden klinisch Gesundheitssystem, könnte mögliche Krankheitsprädiktoren im täglichen Leben von aufdecken 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.
Die aktuelle Studie kann richtungsweisend für die Entwicklung neuer sein künstliche Intelligenz Anwendungen zur Vorhersage medizinischer Zustände. Social-Media-Daten sind quantifizierbar und bieten neue Möglichkeiten zur Bewertung von Verhaltens- und Umweltrisikofaktoren einer Krankheit. Social-Media-Daten einer Person werden als „soziales Mediom“ bezeichnet (ähnlich wie das Genom – vollständiger Satz von Genen).
***
{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
