宾夕法尼亚大学的医学科学家发现，可以从社交媒体帖子的内容中预测医疗状况
社交媒体 现在是我们生活中不可或缺的一部分。 2019 年，至少有 2.7 亿人经常使用 Facebook、Twitter 和 Instagram 等在线社交媒体平台。 这意味着每天有超过 XNUMX 亿人在这些公共平台上分享有关他们生活的信息。 人们可以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在临床医疗保健系统之外产生的信息是否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。
目前的研究可以为开发用于预测医疗状况的新人工智能应用程序开辟道路。 社交媒体数据是可量化的，并为评估疾病的行为和环境风险因素提供了新的途径。 个人的社交媒体数据被称为“社交媒体”（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
