محققان الگوریتمی ایجاد کرده اند که پست های رسانه های اجتماعی را برای یافتن نشانگرهای زبانی برای افسردگی تحلیل می کند.

در هر سال، افسردگی بیش از شش درصد از جمعیت بالغ در ایالات متحده را تحت تاثیر قرار می دهد - برخی از 16 میلیون نفر - اما کمتر از نیمی از آنها درمان لازم را دریافت می کنند.

محققان دریافتند که تجزیه و تحلیل داده های رسانه های اجتماعی که کاربرانی را که در طول ماه ها تا قبل از تشخیص افسردگی به اشتراک گذاشته اند به اشتراک گذاشته اند، می توانند به طور دقیق افسردگی آینده را پیش بینی کنند. شاخصهای این وضعیت عبارتند از: خصومت و تنهایی، کلمات مانند "اشک" و "احساسات"، و استفاده از ضمایر اول شخص مانند "من" و "من".

یافته ها در مجموعه مقالات آکادمی ملی علوم.

ژنوم رسانه های اجتماعی شما

"آنچه مردم در رسانه های اجتماعی می نویسند و آنلاین، یک جنبه از زندگی را که در پزشکی و تحقیقات بسیار سخت است، برای دسترسی به دیگران، می برد. آن اندیشه Schwartz، استاد علوم کامپیوتر در دانشگاه Stony Brook و نویسنده ارشد مقاله می گوید: این ابعاد است که نسبت به مارک های بیوفیزیکی بیماری بسیار نسبتا کم است. برای مثال، "شرایطی مانند افسردگی، اضطراب و PTSD، سیگنال های بیشتری را در نحوه بیان مردم خود در دیجیتال پیدا می کنید."

به مدت شش سال، محققان در پروژه جهانی خوشبختی (WWBP) که در مرکز روانشناسی مثبت دانشگاه پنسیلوانیا و آزمایشگاه تجزیه و تحلیل زبان انسانی دانشگاه Stony Brook مستقر هستند، مطالعه کرده اند که چگونه کلمات استفاده از کلمات منعکس کننده احساسات و نارضایتی درونی آنها هستند. در 2014، یوهان ایشستدت، دانشمند مبتنی بر WWBP و همکلاسی پس از مدرسه در پن، شروع به تعجب کرد که آیا ممکن است رسانه های اجتماعی برای پیش بینی نتایج سلامت روان، به ویژه برای افسردگی.

"اطلاعات رسانه های اجتماعی شامل نشانگرهای شبیه به ژنوم است. Eichstaedt توضیح می دهد که با روش های شگفت آور مشابه با آنهایی که در ژنومیک استفاده می شوند، می توانیم داده های رسانه های اجتماعی را برای یافتن این نشانگر ها برش دهیم. "به نظر می رسد افسردگی چیزی کاملا قابل تشخیص در این راه است؛ واقعا استفاده مردم از رسانه های اجتماعی را تغییر می دهد به طوری که چیزی مانند بیماری پوست یا دیابت نمی کند. "

نوشتن روی دیوار فیس بوک

محققان به جای اینکه انجام مطالعات قبلی انجام دهند، شرکت کنندگان را استخدام می کنند که خودشان گزارش داده اند که افسردگی را تجربه کرده اند. محققان اطلاعات را از افرادی که مایل به به اشتراک گذاشتن اطلاعات فیس بوک و اطلاعات مدارک پزشکی هستند، شناسایی کرده و سپس با استفاده از تکنیک های یادگیری ماشین ها، تشخیص افسردگی رسمی

رینا مرچنت، همکار پژوهشی می گوید: "این کار اولیه ما از رجیستری رسانه های اجتماعی ما از مرکز پزشکی پزشکی پنی است که با رسانه های اجتماعی همراه با داده های پرونده های سلامتی پیوند دارد." "برای این پروژه، همه افراد موافق هستند، هیچ اطلاعاتی از شبکه خود جمع آوری نمی شود، داده ها ناشناس هستند، و محدودیت های محرمانه تر از امنیت و حریم خصوصی به دست می آید."

تقریبا 1,200 پس از آن موافقت کرد تا هر دو بایگانی دیجیتال را ارائه دهد. از این تعداد، فقط افراد 114 تشخیص افسردگی در پرونده های پزشکی خود داشتند. سپس محققان هر فردی را با تشخیص افسردگی با پنج نفر مقایسه کردیم که پنج نفر آن را نداشتند، به عنوان یک کنترل، برای یک نمونه کلی از افراد 683 (به جز یکی برای کلمات کافی در به روز رسانی وضعیت). ایده این بود که به عنوان یک سناریو واقع بینانه برای الگوریتم محققان آموزش داده شود.

"درک این موضوع است که استفاده از رسانه های اجتماعی برای سلامت روان فرد مناسب نیست، اما ممکن است ابزار مهمی برای تشخیص، نظارت و در نهایت درمان آن باشد."

Eichstaedt می گوید: "این یک مشکل واقعا سخت است. "اگر افراد 683 در بیمارستان حضور داشته باشند و 15 درصد آنها افسرده هستند، آیا الگوریتم ما قادر به پیش بینی آن است؟ اگر الگوریتم می گوید هیچ کس افسرده نیست، 85 درصد دقیق است. "

برای ساخت الگوریتم، محققان به بررسی روزنامه های 524,292 فیس بوک از سال های پیش از تشخیص برای هر فرد مبتلا به افسردگی و برای مدت زمان مشابه برای کنترل نگاه می کردند. آنها تعاریف کلمات و عبارات را که اغلب استفاده می شود، و سپس مضمون های 200 را به آنچه که آنها «نشانگرهای مرتبط با افسردگی» نامیده اند، مدل سازی کرده اند. در نهایت، آنها در مقایسه با چه شیوه ای افسرده و غالبا افسرده در مقایسه با شرکتکنندگان کنترل چنین عباراتی را استفاده کردند.

'پرچم های زرد' برای تشخیص افسردگی

آنها متوجه شدند که این نشانگرها شامل فرایندهای عاطفی، شناختی و بین فردی مانند خصومت و تنهایی، غم و اندوه و نشخوار است و می تواند پیش از افسردگی در آینده سه ماه قبل از ثبت اسناد بیماری در یک پرونده پزشکی پیش بینی کند.

شوارتز می گوید: "یک ادراک وجود دارد که استفاده از رسانه های اجتماعی برای سلامت روان فرد خوبی نیست، اما ممکن است ابزار مهمی برای تشخیص، نظارت و در نهایت درمان آن باشد. "در اینجا ما نشان داده ایم که می توان با پرونده های بالینی، یک گام در جهت بهبود سلامت روان با رسانه های اجتماعی مورد استفاده قرار گیرد."

Eichstaedt پتانسیل درازمدت در استفاده از این داده ها را به عنوان یک روش غربالگری غربالگری برای تشخیص افسردگی می بیند. او می گوید: "امید است که یک روز، این سیستم های غربالگری را می توان در سیستم های مراقبت قرار داد." "این ابزار باعث پرچم های زرد می شود؛ در نهایت امید این است که شما به طور مستقیم افرادی را که به روش های مقیاس پذیری شناخته شده اند، شناسایی کنید. "

با وجود برخی محدودیت های مطالعه، از جمله نمونه شهری متمایز و محدودیت های خود در زمینه - نه هر تشخیص افسردگی در یک پرونده پزشکی مطابق استاندارد طلایی است که مصاحبه های بالینی ساخت یافته ارائه می دهد، به عنوان مثال - یافته ها ارائه راه جدید بالقوه برای کشف و برای کسانی که از افسردگی رنج می برند کمک می کنند.

منبع: دانشگاه استونی بروک

کتاب های مرتبط

at InnerSelf Market و آمازون