นักวิจัยได้สร้างอัลกอริธึมที่วิเคราะห์โพสต์โซเชียลมีเดียเพื่อค้นหาเครื่องหมายทางภาษาสำหรับภาวะซึมเศร้า
ในปีใดก็ตาม โรคซึมเศร้าส่งผลกระทบมากกว่าร้อยละหกของประชากรผู้ใหญ่ในสหรัฐอเมริกา—ประมาณ 16 ล้านคน—แต่น้อยกว่าครึ่งได้รับการรักษาที่พวกเขาต้องการ
การวิเคราะห์ข้อมูลโซเชียลมีเดียที่ยินยอมให้ผู้ใช้แชร์ในช่วงหลายเดือนที่นำไปสู่การวินิจฉัยภาวะซึมเศร้า นักวิจัยพบว่าอัลกอริทึมของพวกเขาสามารถทำนายภาวะซึมเศร้าในอนาคตได้อย่างแม่นยำ ตัวบ่งชี้ของสภาพรวมถึงการกล่าวถึงความเป็นศัตรูและความเหงา คำว่า "น้ำตา" และ "ความรู้สึก" และการใช้คำสรรพนามบุรุษที่หนึ่ง เช่น "ฉัน" และ "ฉัน"
ผลการวิจัยปรากฏใน กิจการของ National Academy of Sciences.
'จีโนม' ของโซเชียลมีเดียของคุณ
“สิ่งที่ผู้คนเขียนในโซเชียลมีเดียและออนไลน์แสดงให้เห็นแง่มุมของชีวิตที่ยากต่อการเข้าถึงในทางการแพทย์และการค้นคว้าวิจัย H. Andrew Schwartz ผู้ช่วยศาสตราจารย์ด้านวิทยาการคอมพิวเตอร์ที่ Stony Brook University และผู้เขียนบทความอาวุโสกล่าวว่ามันเป็นมิติที่ค่อนข้างไม่ได้ใช้เมื่อเทียบกับตัวบ่งชี้ทางชีวฟิสิกส์ของโรค “เช่น ภาวะซึมเศร้า ความวิตกกังวล และ PTSD คุณจะพบสัญญาณมากขึ้นในวิธีที่ผู้คนแสดงออกทางดิจิทัล”
เป็นเวลาหกปีที่นักวิจัยในโครงการ World Well-Being Project (WWBP) ซึ่งตั้งอยู่ในศูนย์จิตวิทยาเชิงบวกของมหาวิทยาลัยเพนซิลวาเนียและห้องปฏิบัติการวิเคราะห์ภาษามนุษย์ของ Stony Brook ได้ศึกษาว่าคำที่ผู้คนใช้สะท้อนความรู้สึกภายในและความพึงพอใจของพวกเขาอย่างไร ในปี 2014 Johannes Eichstaedt นักวิทยาศาสตร์ด้านการวิจัยผู้ก่อตั้ง WWBP และเพื่อนดุษฎีบัณฑิตที่ Penn เริ่มสงสัยว่าเป็นไปได้หรือไม่ที่โซเชียลมีเดียจะทำนายผลลัพธ์ด้านสุขภาพจิตโดยเฉพาะอย่างยิ่งสำหรับภาวะซึมเศร้า
“ข้อมูลโซเชียลมีเดียมีเครื่องหมายที่คล้ายกับจีโนม ด้วยวิธีการที่คล้ายคลึงกันอย่างน่าประหลาดใจกับวิธีการที่ใช้ในจีโนม เราสามารถรวมข้อมูลโซเชียลมีเดียเพื่อค้นหาเครื่องหมายเหล่านี้” Eichstaedt อธิบาย “อาการซึมเศร้าดูเหมือนจะเป็นสิ่งที่ตรวจพบได้ในลักษณะนี้ มันเปลี่ยนการใช้โซเชียลมีเดียของผู้คนในแบบที่บางอย่างเช่นโรคผิวหนังหรือโรคเบาหวานไม่ทำ”
ที่เขียนไว้บน Facebook วอลล์
แทนที่จะทำในสิ่งที่การศึกษาก่อนหน้านี้ทำ — รับสมัครผู้เข้าร่วมที่รายงานตนเองว่าพวกเขามีอาการซึมเศร้า— นักวิจัยระบุข้อมูลจากผู้ที่ยินยอมให้แบ่งปันสถานะ Facebook และข้อมูลเวชระเบียนอิเล็กทรอนิกส์ จากนั้นวิเคราะห์สถานะโดยใช้เทคนิคการเรียนรู้ด้วยเครื่องเพื่อแยกแยะผู้ที่มี การวินิจฉัยโรคซึมเศร้าอย่างเป็นทางการ
“นี่เป็นงานช่วงแรกๆ จากสำนักทะเบียน Social Mediome ของเราจาก Penn Medicine Center for Digital Health ซึ่งรวมโซเชียลมีเดียกับข้อมูลจากบันทึกด้านสุขภาพ” Raina Merchant ผู้เขียนร่วมการศึกษากล่าว “สำหรับโครงการนี้ บุคคลทุกคนได้รับความยินยอม ไม่มีการรวบรวมข้อมูลจากเครือข่ายของพวกเขา ข้อมูลจะไม่เปิดเผยชื่อ และระดับความเป็นส่วนตัวและความปลอดภัยที่เข้มงวดที่สุดจะยึดถือ”
ผู้คนเกือบ 1,200 คนยินยอมให้ทั้งสองคลังข้อมูลดิจิทัล ในจำนวนนี้ มีเพียง 114 คนเท่านั้นที่ได้รับการวินิจฉัยว่าเป็นโรคซึมเศร้าในเวชระเบียน จากนั้นนักวิจัยได้จับคู่ทุกคนที่มีการวินิจฉัยภาวะซึมเศร้ากับห้าคนที่ไม่ได้ทำหน้าที่เป็นผู้ควบคุมสำหรับกลุ่มตัวอย่างทั้งหมด 683 คน (ยกเว้นหนึ่งคำสำหรับคำไม่เพียงพอในการอัพเดทสถานะ) แนวคิดคือการสร้างสถานการณ์ที่สมจริงที่สุดเท่าที่จะเป็นไปได้เพื่อฝึกและทดสอบอัลกอริทึมของนักวิจัย
“มีการรับรู้ว่าการใช้โซเชียลมีเดียไม่ดีต่อสุขภาพจิต แต่อาจกลายเป็นเครื่องมือสำคัญในการวินิจฉัย ติดตาม และบำบัดรักษาในที่สุด”
“นี่เป็นปัญหาที่ยากมาก” Eichstaedt กล่าว “ถ้ามีคนมาโรงพยาบาล 683 คน และ 15% ของพวกเขามีอาการซึมเศร้า อัลกอริธึมของเราจะทำนายได้ไหมว่าคนไหนบ้าง? หากอัลกอริธึมบอกว่าไม่มีใครหดหู่ มันจะแม่นยำถึง 85 เปอร์เซ็นต์”
ในการสร้างอัลกอริธึม นักวิจัยมองย้อนกลับไปที่การอัปเดต Facebook 524,292 ครั้งจากหลายปีที่นำไปสู่การวินิจฉัยโรคในแต่ละคนและในช่วงเวลาเดียวกันสำหรับการควบคุม พวกเขากำหนดคำและวลีที่ใช้บ่อยที่สุด จากนั้นจึงจำลองหัวข้อ 200 หัวข้อเพื่อสรุปสิ่งที่พวกเขาเรียกว่า “เครื่องหมายภาษาที่เกี่ยวข้องกับอาการซึมเศร้า” ในที่สุด พวกเขาเปรียบเทียบในลักษณะและความถี่ที่ผู้เข้าร่วมกลุ่มควบคุมใช้ถ้อยคำดังกล่าวและความถี่
'ธงเหลือง' วินิจฉัยโรคซึมเศร้า
พวกเขาได้เรียนรู้ว่าเครื่องหมายเหล่านี้ประกอบด้วยกระบวนการทางอารมณ์ ความรู้ความเข้าใจ และความสัมพันธ์ระหว่างบุคคล เช่น ความเกลียดชังและความเหงา ความเศร้าและการครุ่นคิด และสามารถทำนายภาวะซึมเศร้าในอนาคตได้ภายในสามเดือนก่อนบันทึกการเจ็บป่วยครั้งแรกในเวชระเบียน
Schwartz กล่าวว่า "มีความเข้าใจว่าการใช้โซเชียลมีเดียไม่ดีต่อสุขภาพจิต แต่อาจกลายเป็นเครื่องมือสำคัญในการวินิจฉัย ติดตาม และบำบัดรักษาในที่สุด" “ในที่นี้ เราได้แสดงให้เห็นแล้วว่าสามารถใช้กับเวชระเบียน ซึ่งเป็นขั้นตอนหนึ่งในการปรับปรุงสุขภาพจิตด้วยโซเชียลมีเดีย”
Eichstaedt มองเห็นศักยภาพในระยะยาวในการใช้ข้อมูลเหล่านี้เป็นรูปแบบของการตรวจคัดกรองโรคซึมเศร้าที่ไม่เป็นการรบกวน “ความหวังคือวันหนึ่ง ระบบคัดกรองเหล่านี้สามารถรวมเข้ากับระบบการดูแลได้” เขากล่าว “เครื่องมือนี้ยกธงสีเหลือง ในที่สุด ความหวังก็คือคุณสามารถชักชวนผู้คนให้เข้าสู่รูปแบบการรักษาที่ปรับขนาดได้โดยตรง”
แม้จะมีข้อจำกัดบางประการในการศึกษา ซึ่งรวมถึงกลุ่มตัวอย่างในเมืองที่โดดเด่น และข้อจำกัดในสาขานั้นเอง—ไม่ใช่ว่าทุกการวินิจฉัยโรคซึมเศร้าในเวชระเบียนจะตรงตามมาตรฐานทองคำที่การสัมภาษณ์ทางคลินิกแบบมีโครงสร้างมีให้ ตัวอย่างเช่น การค้นพบนี้เป็นแนวทางใหม่ในการค้นพบ และรับความช่วยเหลือสำหรับผู้ที่เป็นโรคซึมเศร้า
ที่มา: มหาวิทยาลัย Stony Brook
หนังสือที่เกี่ยวข้อง
at ตลาดภายในและอเมซอน