研究人員創建了一種演算法，可以分析社交媒體貼文以找到憂鬱症的語言標記。
每年，憂鬱症都會影響美國 16% 以上的成年人口（約 XNUMX 萬人），但只有不到一半的人接受了所需的治療。
透過分析同意用戶在憂鬱症診斷前幾個月分享的社群媒體數據，研究人員發現他們的演算法可以準確預測未來的憂鬱症。這種狀況的指標包括提及敵意和孤獨，「眼淚」和「感覺」等詞語，以及使用更多第一人稱代名詞，如「我」和「我」。
研究結果出現在 訴訟中的國家科學院院士.
你的社群媒體“基因組”
「人們在社群媒體和網路上的寫作捕捉到了生活中一些難以透過其他方式在醫學和研究中觸及的方面。與疾病的生物物理標記相比，這是一個相對尚未開發的維度，」石溪大學電腦科學助理教授、資深論文作者 H. Andrew Schwartz 說道。 “例如，憂鬱症、焦慮症和創傷後壓力症候群等症狀，你會發現人們在數位方式中表達自己的方式有更多信號。”
六年來，賓州大學正向心理學中心和石溪大學人類語言分析實驗室的世界幸福計畫 (WWBP) 的研究人員一直在研究人們使用的詞彙如何反映他們的內心感受和滿足感。 2014 年，WWBP 創始研究科學家、賓州大學博士後研究員 Johannes Eichstaedt 開始思考社群媒體是否可以預測心理健康結果，尤其是憂鬱症。
「社群媒體數據包含與基因組類似的標記。利用與基因組學驚人相似的方法，我們可以梳理社群媒體數據來找到這些標記。」艾希施塔特解釋道。 “透過這種方式，憂鬱症似乎是可以察覺的；它確實會改變人們對社交媒體的使用方式，而皮膚病或糖尿病則不會。”
Facebook 牆上的文字
研究人員並沒有像以前的研究那樣招募自稱患有憂鬱症的參與者，而是從同意分享 Facebook 狀態和電子病歷資訊的人那裡獲取數據，然後使用機器學習技術分析這些狀態，以區分那些正式被診斷患有憂鬱症的人。
該研究的共同作者 Raina Merchant 表示：“這是賓夕法尼亞大學數位健康醫學中心社交媒體註冊中心的早期研究成果，它將社交媒體與健康記錄數據結合起來。” “對於這個項目，所有個人都同意，不會從他們的網絡收集任何數據，數據是匿名的，並且遵守最嚴格的隱私和安全級別。”
隨後，近 1,200 人同意提供這兩份數位檔案。其中，只有 114 人的病歷上被診斷出患有憂鬱症。研究人員隨後將每位被診斷患有憂鬱症的人與五名未被診斷患有憂鬱症的人進行匹配，作為對照，總樣本量為 683 人（不包括一名因狀態更新中詞彙量不足的人）。這個想法是創造盡可能真實的場景來訓練和測試研究人員的演算法。
“人們認為使用社交媒體不利於心理健康，但它可能成為診斷、監測和最終治療心理健康的重要工具。”
「這是一個非常困難的問題，」艾希施塔特說。 “如果有 683 人到醫院就診，其中 15% 患有抑鬱症，我們的算法能預測出哪些人患有抑鬱症嗎？如果算法預測沒有人患有抑鬱症，那麼準確率就有 85%。”
為了建立該演算法，研究人員回顧了憂鬱症患者確診前幾年的 524,292 條 Facebook 更新，以及對照組在相同時間內的更新。他們確定了最常用的單字和短語，然後對 200 個主題進行建模，以找出所謂的「與憂鬱症相關的語言標記」。最後，他們比較了憂鬱症患者和對照組患者使用此類措詞的方式和頻率。
憂鬱症診斷的“黃旗”
他們了解到，這些標記包括情緒、認知和人際過程，例如敵意和孤獨、悲傷和沈思，並且可以在醫療記錄中首次記錄疾病之前三個月預測未來的憂鬱症。
施瓦茨說：“人們認為使用社交媒體不利於心理健康，但它可能成為診斷、監測和最終治療心理健康的重要工具。” “在這裡，我們已經證明它可以用於臨床記錄，這是利用社交媒體改善心理健康的一步。”
艾希施塔特認為，利用這些數據作為憂鬱症診斷的一種不引人注目的篩檢形式具有長期潛力。 「希望有一天，這些篩檢系統能夠融入護理系統中，」他說。 「這個工具會發出警告；最終的希望是，你可以直接將它識別出來的人們引導到可擴展的治療模式中。”
儘管該研究存在一些局限性，包括獨特的城市樣本以及該領域本身的局限性（例如，並非醫療記錄中的每個抑鬱症診斷都符合結構化臨床訪談提供的黃金標準），但研究結果為發現和幫助抑鬱症患者提供了一種潛在的新方法。
資源： 紐約州立大學石溪分校
相關書籍
{amazonWS:searchindex=Books;keywords=coping with depression;maxresults=3}
