Onderzoekers hebben een algoritme ontwikkeld dat posts op sociale media analyseert om taalkundige markers voor depressie te vinden.
In een bepaald jaar treft depressie meer dan zes procent van de volwassen bevolking in de Verenigde Staten - sommige 16 miljoen mensen - maar minder dan de helft krijgt de behandeling die ze nodig hebben.
Toen de sociale mediagegevens werden geanalyseerd die instemmende gebruikers deelden in de aanloop naar een depressiediagnose, ontdekten de onderzoekers dat hun algoritme de toekomstige depressie nauwkeurig kon voorspellen. Indicatoren van de aandoening waren onder meer melding van vijandigheid en eenzaamheid, woorden als 'tranen' en 'gevoelens' en gebruik van meer voornaamwoorden als 'ik' en 'ik'.
De bevindingen verschijnen in de Proceedings van de National Academy of Sciences.
Je sociale media 'genoom'
"Wat mensen op sociale media en online schrijven, legt een aspect van het leven vast dat in medicijnen en onderzoek heel moeilijk is om anders te kunnen werken. Het is een dimensie die relatief onbenut is in vergelijking met biofysische ziektemarkers, "zegt H. Andrew Schwartz, universitair docent computerwetenschappen aan de Stony Brook University en auteur van oud papier. "Aandoeningen zoals depressie, angst en PTSS, bijvoorbeeld, je vindt meer signalen in de manier waarop mensen zich digitaal uiten."
Zes jaar lang hebben onderzoekers van het World Well-Being Project (WWBP), gevestigd in het Positive Psychology Center van de University of Pennsylvania en het Human Language Analysis Lab van Stony Brook, onderzocht hoe de woorden die mensen gebruiken hun innerlijke gevoelens en tevredenheid weerspiegelen. In 2014 begonnen Johannes Eichstaedt, de oprichter van WWBP en een postdoc bij Penn, zich af te vragen of het mogelijk was voor sociale media om uitkomsten voor de geestelijke gezondheid te voorspellen, met name voor depressie.
"Socialemediadata bevatten markers die verwant zijn aan het genoom. Met verrassend vergelijkbare methoden als die worden gebruikt in genomica, kunnen we sociale mediagegevens combineren om deze markeringen te vinden, "legt Eichstaedt uit. "Depressie lijkt op deze manier redelijk detecteerbaar te zijn; het verandert het gebruik van sociale media door mensen op een manier die zoiets is als huidziekte of diabetes niet. "
Het schrijven is op de Facebook-muur
In plaats van te doen wat eerdere studies hadden gedaan - deelnemers aanwerven die zelf hadden gemeld dat ze een depressie hadden - identificeerden de onderzoekers gegevens van mensen die toestonden om Facebook-statussen en elektronische medische gegevens te delen, en analyseerden vervolgens de statussen met behulp van machine-learningtechnieken om die met een formele depressie diagnose.
"Dit is een vroege actie van ons Social Mediome Registry van het Penn Medicine Center for Digital Health, dat sociale media verbindt met gegevens uit gezondheidsdossiers", zegt studieauteur Raina Merchant. "Voor dit project zijn alle individuen akkoord gegaan, worden er geen gegevens verzameld van hun netwerk, worden de gegevens geanonimiseerd en worden de strengste niveaus van privacy en veiligheid nageleefd."
Bijna 1,200-mensen stemden vervolgens in met het aanbieden van beide digitale archieven. Hiervan hadden alleen 114-mensen een diagnose van depressie in hun medische dossiers. De onderzoekers koppelden vervolgens elke persoon met een diagnose van depressie aan vijf personen die niet als controle hadden gehandeld voor een totale steekproef van 683-personen (met uitzondering van één voor onvoldoende woorden binnen statusupdates). Het idee was om een zo realistisch mogelijk scenario te creëren om het algoritme van de onderzoekers te trainen en te testen.
"Er is een perceptie dat het gebruik van sociale media niet goed is voor iemands geestelijke gezondheid, maar het kan een belangrijk instrument blijken te zijn voor het diagnosticeren, bewaken en uiteindelijk behandelen ervan."
"Dit is een heel moeilijk probleem", zegt Eichstaedt. "Als 683-mensen aanwezig zijn in het ziekenhuis en 15 procent daarvan depressief is, zou ons algoritme dan kunnen voorspellen welke? Als het algoritme zegt dat niemand depressief was, zou het 85 procent nauwkeurig zijn. "
Om het algoritme op te bouwen, bleven de onderzoekers terugkijken op 524,292 Facebook-updates van de jaren voorafgaand aan de diagnose voor elk individu met depressie en voor dezelfde tijdspanne voor de controle. Ze bepaalden de meest gebruikte woorden en zinsneden en modelleerden vervolgens 200-onderwerpen om wat zij 'met depressie geassocieerde taalmarkers' noemden te doorgronden. Ten slotte vergeleken ze op welke manier en hoe vaak depressieve versus controledeelnemers dergelijke frasering gebruikten.
'Gele vlaggen' voor depressiediagnose
Ze kwamen erachter dat deze markers emotionele, cognitieve en interpersoonlijke processen omvatten, zoals vijandigheid en eenzaamheid, verdriet en herkauwen, en konden toekomstige depressie al in de eerste drie maanden voor de eerste documentatie van de ziekte in een medisch dossier voorspellen.
"Er is een perceptie dat het gebruik van sociale media niet goed is voor iemands geestelijke gezondheid, maar het kan een belangrijk hulpmiddel blijken te zijn voor het diagnosticeren, bewaken en uiteindelijk behandelen ervan," zegt Schwartz. "Hier hebben we laten zien dat het kan worden gebruikt met klinische gegevens, een stap in de richting van verbetering van de geestelijke gezondheid met sociale media."
Eichstaedt ziet mogelijkheden op de lange termijn om deze gegevens te gebruiken als een vorm van onopvallende screening voor een depressiediagnose. "De hoop is dat deze screeningsystemen op een dag kunnen worden geïntegreerd in zorgsystemen", zegt hij. "Deze tool heft gele vlaggen op; uiteindelijk is de hoop dat je mensen die het identificeert, direct naar schaalbare behandelingsmodaliteiten kan leiden. "
Ondanks enkele beperkingen aan het onderzoek, waaronder een opvallende stedelijke steekproef, en beperkingen op het terrein zelf - niet elke depressiediagnose in een medisch dossier voldoet aan de gouden standaard die gestructureerde klinische interviews bieden, bieden de bevindingen een potentiële nieuwe manier om te ontdekken en hulp krijgen voor mensen die lijden aan een depressie.
Bron: Stony Brook University
Verwante Boeken
at InnerSelf Market en Amazon
