宾夕法尼亚大学的医学科学家发现，可以通过社交媒体帖子的内容来预测疾病状况。
社交媒体如今已成为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10亿人通过这些公共平台分享他们的生活信息。人们自由地分享他们的想法、喜好、情感和个性。科学家们正在探索，这些在临床医疗系统之外产生的信息，是否能够揭示患者日常生活中可能存在的疾病预测因素，而这些因素可能对医护人员和研究人员来说是不可见的。此前的研究表明，Twitter可以预测心脏病死亡率，或监测公众对保险等医疗相关问题的看法。然而，迄今为止，社交媒体信息尚未被用于预测个体层面的健康状况。
6月17日发表在《PLOS ONE》上的一项新研究首次将已同意分享的患者电子病历与其社交媒体个人资料关联起来。研究人员旨在探究：首先，能否根据用户社交媒体账户上发布的文字预测其健康状况；其次，能否识别出特定的疾病标志物。
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。
分析显示，仅凭Facebook帖子就能预测全部21种疾病。其中10种疾病的预测效果甚至优于人口统计数据。例如，“喝酒”、“醉酒”和“酒瓶”等关键词与酗酒密切相关；糖尿病患者使用“上帝”、“祈祷”或“家人”等词语的频率是普通人的15倍。“愚蠢”等词语则与药物滥用和精神病相关；“疼痛”、“哭泣”和“眼泪”等词语则与情绪困扰有关。Facebook用户使用的语言在预测疾病方面非常有效，尤其是在预测糖尿病和心理健康问题（包括焦虑、抑郁和精神病）方面。
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。
这项研究有望为开发用于预测疾病的新型人工智能应用铺平道路。社交媒体数据可量化，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）
Merchant RM 等人，2019 年。《评估社交媒体帖子对医疗状况的可预测性》。PLOS ONE，14 (6)。https ://doi.org/10.1371/journal.pone.0215476
