चिकित्सा scientists from University of Pennsylvania have found that medical conditions could be predicted from contents of social media posts
सोशल मीडिया is now an integral part of our lives. In 2019, at least 2.7 billion लोग regularly use online social media platforms like Facebook, Twitter and Instagram. This means that more than a billion individuals share information on a daily basis about their lives on these public platforms. People freely share their thoughts, likes and dislikes, sentiments and personalities. Scientists are exploring whether this information, generated outside the नैदानिक healthcare system, could reveal possible disease predictors in daily lives of रोगियों जो अन्यथा स्वास्थ्य कर्मियों और शोधकर्ताओं के लिए छुपाया जा सकता है। पहले के अध्ययनों से पता चला है कि कैसे ट्विटर हृदय रोग मृत्यु दर की भविष्यवाणी कर सकता है या बीमा जैसे चिकित्सा से संबंधित मुद्दों पर जनता की भावनाओं की निगरानी कर सकता है। हालांकि, व्यक्तिगत स्तर पर चिकित्सा स्थितियों की भविष्यवाणी करने के लिए अब तक सोशल मीडिया की जानकारी का उपयोग नहीं किया गया है।
17 जून को प्रकाशित एक नया अध्ययन वन PLOS ने पहली बार रोगियों (जिन्होंने अपनी सहमति दी है) के इलेक्ट्रॉनिक मेडिकल रिकॉर्ड को उनके सोशल मीडिया प्रोफाइल से लिंक करते हुए दिखाया है। शोधकर्ताओं ने जांच करने का लक्ष्य रखा - पहला, क्या किसी व्यक्ति की चिकित्सा स्थितियों का अनुमान उपयोगकर्ता के सोशल मीडिया अकाउंट (खातों) पर पोस्ट की गई भाषा से लगाया जा सकता है और दूसरा, यदि विशिष्ट रोग मार्करों की पहचान की जा सकती है।
शोधकर्ताओं ने 999 रोगियों के पूरे फेसबुक इतिहास का विश्लेषण करने के लिए एक स्वचालित डेटा संग्रह तकनीक का उपयोग किया। इसका मतलब कम से कम 20 शब्दों वाले पोस्ट के साथ लगभग 949,000 फेसबुक स्टेटस अपडेट में 500 मिलियन शब्दों का विश्लेषण करना था। शोधकर्ताओं ने प्रत्येक रोगी के लिए भविष्यवाणियां करने के लिए तीन मॉडल विकसित किए। पहले मॉडल ने कीवर्ड की पहचान करके फेसबुक पोस्ट की भाषा का विश्लेषण किया। दूसरे मॉडल ने रोगी की जनसांख्यिकी जानकारी जैसे उनकी उम्र और लिंग का विश्लेषण किया। तीसरे मॉडल ने इन दोनों डेटासेट को मिला दिया। मधुमेह, चिंता, अवसाद, उच्च रक्तचाप, शराब का सेवन, मोटापा, मनोविकृति सहित कुल 21 चिकित्सा स्थितियों पर ध्यान दिया गया।
विश्लेषण से पता चला कि सभी 21 चिकित्सा स्थितियों का अनुमान अकेले फेसबुक पोस्ट से लगाया जा सकता था। और, जनसांख्यिकी की तुलना में फेसबुक पोस्ट द्वारा 10 स्थितियों की बेहतर भविष्यवाणी की गई थी। प्रमुख कीवर्ड थे, उदाहरण के लिए, 'ड्रिंक', 'ड्रंक' और 'बॉटल' जो शराब के दुरुपयोग की भविष्यवाणी करते थे और 'ईश्वर' या 'प्रार्थना' या 'परिवार' जैसे शब्दों का इस्तेमाल मधुमेह वाले लोगों द्वारा 15 गुना अधिक होने की संभावना थी। 'गूंगा' जैसे शब्द नशीली दवाओं के दुरुपयोग और मनोविकृति के संकेतक के रूप में कार्य करते थे और 'दर्द', 'रोना' और 'आँसू' जैसे शब्द भावनात्मक संकट से जुड़े थे। व्यक्तियों द्वारा उपयोग की जाने वाली फेसबुक भाषा भविष्यवाणी करने में बहुत प्रभावी थी - विशेष रूप से मधुमेह और मानसिक के बारे में स्वास्थ्य चिंता, अवसाद और मनोविकृति सहित स्थितियां।
वर्तमान अध्ययन से पता चलता है कि रोगियों के लिए एक ऑप्ट-इन सिस्टम विकसित किया जा सकता है जहां रोगियों ने चिकित्सकों को इस जानकारी तक पहुंच प्रदान करके अपने सोशल मीडिया पोस्ट के विश्लेषण की अनुमति दी। यह दृष्टिकोण उन लोगों के लिए सबसे मूल्यवान हो सकता है जो नियमित रूप से सोशल मीडिया का उपयोग करते हैं। चूंकि सोशल मीडिया लोगों के विचारों, व्यक्तित्व, मानसिक स्थिति और स्वास्थ्य व्यवहार को दर्शाता है, इसलिए इस डेटा का उपयोग किसी बीमारी की शुरुआत या बिगड़ने की भविष्यवाणी करने के लिए किया जा सकता है। जहां सोशल मीडिया का संबंध है, गोपनीयता, सूचित सहमति और डेटा स्वामित्व महत्वपूर्ण होने जा रहा है। सोशल मीडिया सामग्री को संक्षिप्त और सारांशित करना और व्याख्या करना प्राथमिक लक्ष्य है।
The current study can lead way to develop new कृत्रिम बुद्धिमत्ता applications for predicting medical conditions. Social media data is quantifiable and provides new avenues to assess behavioural and environmental risk factors of a disease. Social media data of an individual is being referred to as ‘social mediome’ (similar to genome – complete set of genes).
***
{आप उद्धृत स्रोतों की सूची में नीचे दिए गए डीओआई लिंक पर क्लिक करके मूल शोध पत्र पढ़ सकते हैं}
स्रोत (रों)
मर्चेंट आरएम एट अल। 2019 सोशल मीडिया पोस्ट से चिकित्सा स्थितियों की भविष्यवाणी का मूल्यांकन। एक और। 14 (6)। https://doi.org/10.1371/journal.pone.0215476
