Greek English French German Italian
Pin It

της Γεωργίας Αθ. Σκιτζή 

Η γλώσσα στις δημοσιεύσεις στο Facebook μπορεί να βοηθήσει στον εντοπισμό ασθενειών όπως διαβήτη, άγχος, κατάθλιψη και ψύχωση, σύμφωνα με μελέτη των ερευνητών του Πανεπιστημίου Penn Medicine και Stony Brook. Πιστεύεται ότι η γλώσσα στις θέσεις θα μπορούσε να είναι δείκτες της νόσου και, με τη συγκατάθεση του ασθενούς, θα μπορούσε να παρακολουθείται ακριβώς όπως τα φυσικά συμπτώματα. Η μελέτη αυτή δημοσιεύτηκε στο PLOS ONE .

"Αυτή η εργασία είναι πρόωρη, αλλά η ελπίδα μας είναι ότι οι πληροφορίες που συλλέγονται από αυτές τις θέσεις θα μπορούσαν να χρησιμοποιηθούν για την καλύτερη ενημέρωση των ασθενών και των παρόχων για την υγεία τους", δήλωσε η επικεφαλής συγγραφέας Raina Merchant, MD, MS, διευθυντής του Κέντρου Ψηφιακής Υγείας του Penn Medicine και αναπληρωτή καθηγητή της έκτακτης ιατρικής. "Καθώς οι θέσεις των κοινωνικών μέσων συχνά αφορούν τις επιλογές και τις εμπειρίες του τρόπου ζωής ενός ατόμου ή πώς νιώθουν, αυτές οι πληροφορίες θα μπορούσαν να παράσχουν πρόσθετες πληροφορίες σχετικά με τη διαχείριση της νόσου και την επιδείνωση".

Χρησιμοποιώντας μια αυτοματοποιημένη τεχνική συλλογής δεδομένων, οι ερευνητές ανέλυσαν ολόκληρο το ιστορικό του Facebook περίπου 1.000 ασθενών που συμφώνησαν να συνδέονται τα ηλεκτρονικά ιατρικά αρχεία τους με τα προφίλ τους. Στη συνέχεια, οι ερευνητές έχτισαν τρία μοντέλα για να αναλύσουν την προγνωστική τους δύναμη για τους ασθενείς: ένα μοντέλο που ανέλυσε μόνο τη γλώσσα μετάφρασης στο Facebook, ένα άλλο που χρησιμοποίησε δημογραφικά στοιχεία όπως ηλικία και φύλο και το τελευταίο που συνέδεσε τα δύο σύνολα δεδομένων. Αναζητώντας 21 διαφορετικές συνθήκες, οι ερευνητές διαπίστωσαν ότι όλοι οι 21 ήταν προβλέψιμοι μόνο από το Facebook. Στην πραγματικότητα, 10 από τις συνθήκες ήταν καλύτερα να προβλεφθούν μέσω της χρήσης δεδομένων Facebook αντί για δημογραφικές πληροφορίες.

Μερικά από τα δεδομένα του Facebook που βρέθηκαν πιο προγνωστικά από τα δημογραφικά δεδομένα φάνηκαν διαισθητικά. Για παράδειγμα, τα «ποτά» και «μπουκάλια» αποδείχθηκαν πιο προγνωστικά για την κατάχρηση αλκοόλ. Ωστόσο, άλλοι δεν ήταν τόσο εύκολοι. Για παράδειγμα, οι άνθρωποι που συχνά ανέφεραν θρησκευτική γλώσσα όπως «Θεός» ή «προσεύχονται» στις θέσεις τους ήταν 15 φορές πιο πιθανό να έχουν διαβήτη από εκείνους που χρησιμοποίησαν αυτούς τους όρους το λιγότερο. Επιπρόσθετα, οι λέξεις που εκφράζουν «ηλίθιο» και κάποιες εξευτελιστικές εχθροπραξίες - χρησίμευσαν ως δείκτες κατάχρησης φαρμάκων και ψυχωσών.

"Η ψηφιακή μας γλώσσα καταγράφει ισχυρές πτυχές της ζωής μας, οι οποίες είναι πιθανόν εντελώς διαφορετικές από αυτές που συλλέγονται μέσω παραδοσιακών ιατρικών δεδομένων", δήλωσε ο ανώτερος συγγραφέας της μελέτης Andrew Schwartz, Ph.D., ένας επισκέπτης βοηθός καθηγητή στο Πανεπιστήμιο Πληροφορικής και Πληροφορικής, και ένας βοηθός καθηγητής Πληροφορικής στο Πανεπιστήμιο Stony Brook. "Πολλές μελέτες έχουν δείξει τώρα μια σύνδεση μεταξύ των γλωσσικών προτύπων και συγκεκριμένων ασθενειών, όπως η προγνωστική γλώσσα για την κατάθλιψη ή η γλώσσα που δίνει πληροφορίες για το αν κάποιος ζει με καρκίνο. Ωστόσο, βλέποντας πολλές ιατρικές καταστάσεις, σχετίζονται μεταξύ τους, γεγονός που μπορεί να επιτρέψει νέες εφαρμογές του AI για ιατρική. "

Pin It