Forskare har skapat en algoritm som analyserar sociala medier inlägg för att hitta språkliga markörer för depression.
Under ett visst år påverkar depression mer än sex procent av den vuxna befolkningen i USA, några 16 miljoner människor, men mindre än hälften får den behandling de behöver.
Analysera sociala medier data som samtycker användare delade under månaderna som leder till en depression diagnos, fann forskare att deras algoritm kunde exakt förutsäga framtida depression. Indikatorer för tillståndet inkluderade nämnder av fientlighet och ensamhet, ord som "tårar" och "känslor" och användning av mer första person pronomen som "jag" och "jag".
Resultaten förekommer i Proceedings of the National Academy of Sciences.
Dina sociala medier "genom"
"Vad folk skriver i sociala medier och på nätet fångar en aspekt av livet som är mycket svårt inom medicin och forskning för att få tillgång till något annat. Det är en dimension som är relativt outnyttjad jämfört med biofysiska markörer av sjukdom ", säger H. Andrew Schwartz, biträdande professor i datavetenskap vid Stony Brook University och senior paper author. "Villkor som depression, ångest och PTSD, till exempel, hittar du fler signaler i hur människor uttrycker sig digitalt."
Under sex år har forskare i World Well-Being Project (WWBP), baserat på University of Pennsylvania's Positive Psychology Center och Stony Brooks Human Language Analysis Lab, studerat hur orden de använder använder speglar deras inre känslor och tillfredsställelse. I 2014 började Johannes Eichstaedt, grundforskare vid WWBP och en postdoktor i Penn, undra om det var möjligt för sociala medier att förutsäga mentala hälsoproblem, särskilt för depression.
"Sociala media data innehåller markörer som är relaterade till genomet. Med överraskande liknande metoder för dem som används i genomics kan vi kombinera sociala medier för att hitta dessa markörer, förklarar Eichstaedt. "Depression verkar vara något ganska detekterbart på detta sätt; det förändrar verkligen människors användning av sociala medier på ett sätt som något som hudsjukdom eller diabetes inte gör. "
Skriften är på Facebook-väggen
I stället för att göra vad tidigare studier hade gjort-rekrytera deltagare som själv rapporterade att de hade depression - forskarna identifierade data från personer som samtyckte till att dela Facebook-status och elektronisk medicinsk postinformation, sedan analyserade statuserna med hjälp av maskininlärningsteknik för att skilja dem med en formell depression diagnos.
"Detta är ett tidigt arbete från vårt sociala mediomregister från Penn Medicine Center for Digital Health, som förenar sociala medier med data från hälsovårdsdokument, säger studieförfattare Raina Merchant. "För detta projekt samtycker alla individer, ingen data samlas in från deras nätverk, uppgifterna är anonymiserade och de strängaste nivåerna av integritet och säkerhet följs."
Nästan 1,200-folk samtyckte sedan till att tillhandahålla både digitala arkiv. Av dessa hade bara 114-personer en diagnos av depression i sina journaler. Forskarna matchade sedan varje person med en diagnos av depression med fem som inte, för att fungera som kontroll, för ett totalt urval av 683-personer (exklusive ett för otillräckliga ord inom statusuppdateringar). Tanken var att skapa så realistiskt ett scenario som möjligt för att utbilda och testa forskarnas algoritm.
"Det finns en uppfattning om att användandet av sociala medier inte är bra för sin mentala hälsa, men det kan visa sig vara ett viktigt verktyg för att diagnostisera, övervaka och så småningom behandla det."
"Det här är ett mycket svårt problem, säger Eichstaedt. "Om 683 människor är närvarande på sjukhuset och 15 procent av dem är deprimerade, skulle vår algoritm kunna förutsäga vilka? Om algoritmen säger att ingen var deprimerad, skulle det vara 85 procent korrekt. "
För att bygga algoritmen såg forskarna tillbaka på 524,292 Facebook-uppdateringar från åren som ledde till diagnos för varje individ med depression och under samma tidsperiod för kontrollen. De bestämde de mest använda orden och fraserna, sedan modellerade 200-ämnen för att sussa ut vad de kallade "depression-associerade språkmarkörer". Slutligen jämförde de på vilket sätt och hur ofta deprimerade jämfört med kontrolldeltagare använde sådan frasering.
"Gula flaggor" för depression diagnos
De lärde sig att dessa markörer innefattade känslomässiga, kognitiva och interpersonella processer som fientlighet och ensamhet, sorg och rodnad och kunde förutsäga framtida depression så tidigt som tre månader före första dokumentationen av sjukdomen i en medicinsk post.
"Det finns en uppfattning om att användandet av sociala medier inte är bra för sin mentala hälsa, men det kan visa sig vara ett viktigt verktyg för att diagnostisera, övervaka och så småningom behandla det", säger Schwartz. "Här har vi visat att det kan användas med kliniska register, ett steg mot att förbättra mental hälsa med sociala medier."
Eichstaedt ser långsiktigt potential i att använda dessa data som en form av diskret screening för en depression diagnos. "Förhoppningen är att en dag kan dessa screeningssystem integreras i vårdsystem", säger han. "Detta verktyg lyfter gula flaggor; så småningom hoppas det att du kan direkt trampa människor som identifierar sig i skalbara behandlingsmetoder. "
Trots vissa begränsningar i studien, inklusive ett tydligt urbana urval och begränsningar i själva fältet, uppfyller inte varje depression diagnos i en medicinsk post guldnivån som strukturerade kliniska intervjuer ger till exempel - resultaten ger ett potentiellt nytt sätt att avslöja och få hjälp till dem som lider av depression.
Källa: Stony Brook University
relaterade böcker
at InnerSelf Market och Amazon
