医疗行业 宾夕法尼亚大学的科学家发现，可以通过社交媒体帖子的内容来预测医疗状况
社交媒体 现在已成为我们生活中不可或缺的一部分。 2019年至少2.7亿 人 经常使用 Facebook、Twitter 和 Instagram 等在线社交媒体平台。这意味着超过十亿人每天在这些公共平台上分享他们的生活信息。人们自由地分享他们的想法、好恶、情感和个性。科学家们正在探索这些信息是否是在外部产生的 临床 医疗保健系统可以揭示日常生活中可能的疾病预测因素 患者 否则可能对医护人员和研究人员隐藏。 早期的研究表明 Twitter 如何预测心脏病死亡率或监测公众对医疗相关问题（如保险）的看法。 然而，迄今为止，社交媒体信息尚未用于预测个人水平的医疗状况。
17 月 XNUMX 日发表的一项新研究 PLoS ONE的 首次展示了患者（已同意的）电子病历与其社交媒体资料的链接。 研究人员旨在调查——首先，是否可以根据用户社交媒体帐户上发布的语言预测个人的医疗状况，其次，是否可以识别特定的疾病标记。
研究人员使用自动数据收集技术分析了 999 名患者的完整 Facebook 历史。 这意味着要分析大约 20 个 Facebook 状态更新中的 949,000 万个单词，并且帖子至少包含 500 个单词。 研究人员开发了三种模型来对每位患者进行预测。 第一个模型通过识别关键字来分析 Facebook 帖子的语言。 第二个模型分析了患者的人口统计信息，如年龄和性别。 第三个模型结合了这两个数据集。 总共调查了 21 种疾病，包括糖尿病、焦虑症、抑郁症、高血压、酗酒、肥胖症、精神病。
分析表明，仅通过 Facebook 帖子就可以预测所有 21 种医疗状况。 而且，Facebook 帖子对 10 种情况的预测甚至比人口统计数据更好。 例如，突出的关键词是“drink”、“drunk”和“bottle”，它们预示着酗酒，而像“上帝”、“祈祷”或“家人”这样的词被糖尿病患者使用的可能性要高 15 倍。 像“愚蠢”这样的词是吸毒和精神病的指标，像“疼痛”、“哭泣”和“眼泪”这样的词与情绪困扰有关。 个人使用的 Facebook 语言在做出预测方面非常有效——尤其是关于糖尿病和精神疾病 健康 包括焦虑、抑郁和精神病。
目前的研究表明，可以为患者开发一个选择加入系统，通过向临床医生提供对这些信息的访问，患者允许分析他们的社交媒体帖子。 这种方法对于经常使用社交媒体的人来说可能是最有价值的。 由于社交媒体反映了人们的思想、个性、精神状态和健康行为，因此这些数据可用于预测疾病的发作或恶化。 就社交媒体而言，隐私、知情同意和数据所有权将至关重要。 浓缩和总结社交媒体内容并做出解释是首要目标。
当前的研究可以引领开发新的方法 人工智能 预测医疗状况的应用。社交媒体数据是可量化的，并提供了评估疾病的行为和环境风险因素的新途径。个人的社交媒体数据被称为“社交媒体组”（类似于基因组——完整的基因集）。
***
{您可以通过单击下面引用来源列表中给出的 DOI 链接来阅读原始研究论文}
来源（S）
商人 RM 等。 2019. 从社交媒体帖子评估医疗状况的可预测性。 PLOS 一。 14 (6)。 https://doi.org/10.1371/journal.pone.0215476
