Medische wetenschappers van de Universiteit van Pennsylvania hebben ontdekt dat medische aandoeningen voorspeld kunnen worden aan de hand van de inhoud van berichten op sociale media.
Sociale media zijn tegenwoordig een integraal onderdeel van ons leven. In 2019 gebruikten minstens 2.7 miljard mensen regelmatig online sociale mediaplatformen zoals Facebook, Twitter en Instagram. Dit betekent dat meer dan een miljard mensen dagelijks informatie over hun leven delen op deze openbare platforms. Mensen delen vrijelijk hun gedachten, voorkeuren en afkeuren, gevoelens en persoonlijkheid. Wetenschappers onderzoeken of deze informatie, die buiten de klinische gezondheidszorg wordt gegenereerd, mogelijke ziektevoorspellers in het dagelijks leven van patiënten aan het licht kan brengen die anders verborgen zouden blijven voor zorgpersoneel en onderzoekers. Eerdere studies hebben aangetoond hoe Twitter de sterfte door hartziekten kan voorspellen of de publieke opinie over medische kwesties zoals verzekeringen kan monitoren. Sociale media-informatie is echter tot nu toe nog niet gebruikt om medische aandoeningen op individueel niveau te voorspellen.
Een nieuwe studie, gepubliceerd op 17 juni in PLOS ONE, heeft voor het eerst aangetoond dat elektronische medische dossiers van patiënten (die daarvoor toestemming hebben gegeven) gekoppeld kunnen worden aan hun socialemediaprofielen. Onderzoekers wilden onderzoeken of medische aandoeningen van een individu voorspeld kunnen worden aan de hand van de taal die op de socialemedia-accounts van de gebruiker wordt gebruikt, en of specifieke ziektekenmerken kunnen worden geïdentificeerd.
Onderzoekers gebruikten een geautomatiseerde gegevensverzamelingstechniek om de volledige Facebook-geschiedenis van 999 patiënten te analyseren. Dit betekende het analyseren van een gigantische 20 miljoen woorden in ongeveer 949,000 Facebook-statusupdates met berichten die minstens 500 woorden bevatten. Onderzoekers ontwikkelden drie modellen om voorspellingen te doen voor elke patiënt. Het eerste model analyseerde de taal van Facebook-berichten door trefwoorden te identificeren. Het tweede model analyseerde de demografische gegevens van de patiënt, zoals hun leeftijd en geslacht. Het derde model combineerde deze twee datasets. In totaal werden 21 medische aandoeningen onderzocht, waaronder diabetes, angst, depressie, hoge bloeddruk, alcoholmisbruik, zwaarlijvigheid, psychosen.
Uit de analyse bleek dat alle 21 medische aandoeningen voorspelbaar waren op basis van Facebookberichten alleen. Tien aandoeningen werden zelfs beter voorspeld door Facebookberichten dan door demografische gegevens. De meest voorkomende zoekwoorden waren bijvoorbeeld 'drinken', 'dronken' en 'fles', die voorspellend waren voor alcoholmisbruik. Woorden als 'God', 'bidden' of 'familie' werden 15 keer vaker gebruikt door mensen met diabetes. Woorden als 'dom' dienden als indicatoren voor drugsgebruik en psychose, en woorden als 'pijn', 'huilen' en 'tranen' werden in verband gebracht met emotionele nood. De taal die individuen op Facebook gebruikten, was zeer effectief in het doen van voorspellingen – met name over diabetes en psychische aandoeningen zoals angst, depressie en psychose.
De huidige studie suggereert dat er een opt-in-systeem voor patiënten zou kunnen worden ontwikkeld waarbij patiënten hun posts op sociale media konden analyseren door clinici toegang te geven tot deze informatie. Deze aanpak kan het meest waardevol zijn voor mensen die regelmatig sociale media gebruiken. Aangezien sociale media de gedachten, persoonlijkheid, mentale toestand en gezondheidsgedrag van mensen weerspiegelen, kunnen deze gegevens worden gebruikt om het begin of de verergering van een ziekte te voorspellen. Op het gebied van sociale media zullen privacy, geïnformeerde toestemming en gegevenseigendom cruciaal zijn. Het condenseren en samenvatten van sociale media-inhoud en het maken van interpretaties is het primaire doel.
De huidige studie kan de weg vrijmaken voor de ontwikkeling van nieuwe toepassingen van kunstmatige intelligentie voor het voorspellen van medische aandoeningen. Sociale mediagegevens zijn kwantificeerbaar en bieden nieuwe mogelijkheden om gedragsmatige en omgevingsrisicofactoren voor een ziekte te beoordelen. Sociale mediagegevens van een individu worden ook wel 'sociaal mediaan' genoemd (vergelijkbaar met het genoom – de complete set genen).
***
{U kunt de originele onderzoekspaper lezen door op de DOI-link hieronder in de lijst met geciteerde bron(nen) te klikken}
Bron (nen)
Merchant RM et al. 2019. Evaluatie van de voorspelbaarheid van medische aandoeningen op basis van berichten op sociale media. PLOS ONE. 14 (6). https://doi.org/10.1371/journal.pone.0215476
