Forskere har oprettet en algoritme, der analyserer indlæg på sociale medier for at finde sproglige markører for depression.

I et givet år rammer depression mere end seks procent af den voksne befolkning i USA - omkring 16 millioner mennesker - men færre end halvdelen får den behandling, de har brug for.

Analyser af sociale mediedata, som brugere, der gav samtykke, delte i løbet af månederne frem til en depressionsdiagnose, fandt forskere, at deres algoritme nøjagtigt kunne forudsige fremtidig depression. Indikatorer for tilstanden omfattede omtale af fjendtlighed og ensomhed, ord som "tårer" og "følelser" og brug af mere førstepersons pronomen som "jeg" og "mig".

Resultaterne vises i Proceedings of National Academy of Sciences.

Dit sociale mediers 'genom'

”Det, folk skriver i sociale medier og online, fanger et aspekt af livet, der er meget svært inden for medicin og forskning at få adgang til ellers. Det er en dimension, der er relativt uudnyttet sammenlignet med biofysiske sygdomsmarkører, ”siger H. Andrew Schwartz, adjunkt i datalogi ved Stony Brook University og seniorpapirforfatter. "Tilstande som depression, angst og PTSD, for eksempel, finder du flere signaler i den måde, folk udtrykker sig digitalt."

I seks år har forskere i World Well-Being Project (WWBP), der er baseret i University of Pennsylvania's Positive Psychology Center og Stony Brook's Human Language Analysis Lab, undersøgt, hvordan ordene folk bruger afspejler deres indre følelser og tilfredshed. I 2014 begyndte Johannes Eichstaedt, WWBP-grundlægger og en postdoktor ved Penn, at spekulere på, om det var muligt for sociale medier at forudsige psykiske resultater, især for depression.

”Data fra sociale medier indeholder markører, der ligner genomet. Med overraskende lignende metoder som dem, der anvendes i genomik, kan vi kæmpe data om sociale medier for at finde disse markører, ”forklarer Eichstaedt. ”Depression ser ud til at være noget helt påviselig på denne måde; det ændrer virkelig folks brug af sociale medier på en måde, som noget som hudsygdom eller diabetes ikke gør. ”

Skriften er på Facebook-væggen

I stedet for at gøre, hvad tidligere undersøgelser havde gjort - rekruttere deltagere, der selvrapporterede, at de havde depression - identificerede forskerne data fra folk, der gav samtykke til at dele Facebook-status og elektronisk medicinsk journalinformation, og analyserede derefter statuserne ved hjælp af maskinlæringsteknikker for at skelne dem med en formel depression diagnose.

"Dette er tidligt arbejde fra vores Social Mediome Registry fra Penn Medicine Center for Digital Health, som forbinder sociale medier med data fra sundhedsjournaler," siger studiekohorforfatter Raina Merchant. "I dette projekt accepteres alle enkeltpersoner, der indsamles ingen data fra deres netværk, dataene anonymiseres, og de strengeste niveauer af privatliv og sikkerhed overholdes."

Næsten 1,200 mennesker gav derefter samtykke til at levere begge digitale arkiver. Af disse havde kun 114 mennesker diagnosen depression i deres medicinske journaler. Forskerne matchede derefter hver person med en diagnose af depression med fem, der ikke fungerede som kontrol for en samlet prøve på 683 personer (eksklusive en for utilstrækkelige ord inden for statusopdateringer). Ideen var at skabe et så realistisk scenarie som muligt for at træne og teste forskernes algoritme.

"Der er en opfattelse af, at brug af sociale medier ikke er godt for ens mentale sundhed, men det kan vise sig at være et vigtigt redskab til diagnosticering, overvågning og til sidst behandling af det."

”Dette er et meget hårdt problem,” siger Eichstaedt. ”Hvis 683 mennesker, der er til stede på hospitalet, og 15 procent af dem er deprimerede, ville vores algoritme være i stand til at forudsige hvilke? Hvis algoritmen siger, at ingen var deprimerede, ville den være 85 procent nøjagtig. ”

For at opbygge algoritmen kiggede forskerne tilbage på 524,292 Facebook-opdateringer fra årene frem til diagnose for hver enkelt person med depression og i samme tidsrum for kontrollen. De bestemte de hyppigst anvendte ord og sætninger og modellerede derefter 200 emner for at redde det, de kaldte "depressionsassocierede sprogmarkører." Endelig sammenlignede de på hvilken måde og hvor ofte deprimerede versus kontroldeltagere brugte sådan formulering.

'Gule flag' til depressionsdiagnose

De lærte, at disse markører omfattede følelsesmæssige, kognitive og interpersonelle processer såsom fjendtlighed og ensomhed, tristhed og drøvtygning og kunne forudsige fremtidig depression så tidligt som tre måneder før første dokumentation af sygdommen i en medicinsk journal.

”Der er en opfattelse af, at brug af sociale medier ikke er godt for ens mentale sundhed, men det kan vise sig at være et vigtigt redskab til diagnosticering, overvågning og til sidst behandling af det,” siger Schwartz. "Her har vi vist, at det kan bruges sammen med kliniske optegnelser, et skridt i retning af at forbedre mental sundhed med sociale medier."

Eichstaedt ser langsigtet potentiale i at bruge disse data som en form for diskret screening for en depressionsdiagnose. ”Håbet er, at disse screeningssystemer en dag kan integreres i plejesystemer,” siger han. “Dette værktøj hæver gule flag; til sidst er håbet, at du direkte kan trække mennesker, som det identificerer i skalerbare behandlingsmetoder. ”

På trods af nogle begrænsninger i undersøgelsen, herunder en markant byprøve, og begrænsninger i selve marken - ikke alle depressionsdiagnoser i en medicinsk journal opfylder den guldstandard, som strukturerede kliniske interviews giver, for eksempel - resultaterne giver en potentiel ny måde at afdække og få hjælp til dem, der lider af depression.

Kilde: Stony Brook University

Relaterede bøger

at InnerSelf Market og Amazon