研究人員創建了一種算法，可以分析社交媒體帖子，找到抑鬱症的語言標記。

在任何一年中，抑鬱症影響美國超過6％的成年人口 - 一些16萬人 - 但只有不到一半的人接受他們需要的治療。

研究人員發現，他們的算法可以準確地預測未來的抑鬱症，分析同意用戶在導致抑鬱症診斷的過程中共享的社交媒體數據。 這種情況的指標包括提到敵意和孤獨，像“眼淚”和“情感”這樣的詞語，以及使用更多第一人稱代詞如“我”和“我”。

研究結果出現在 訴訟中的國家科學院院士.

你的社交媒體“基因組”

“人們在社交媒體和網絡上寫下的內容捕捉了生活中的一個方面，這在醫學和研究方面非常難以獲得。 與疾病的生物物理學標誌相比，這是一個相對尚未開發的維度，“Stony Brook大學計算機科學助理教授兼高級論文作者H. Andrew Schwartz說。 “例如抑鬱症，焦慮症和創傷後應激障礙等疾病，你會發現人們以數字方式表達自己的方式有更多的信號。”

六年來，位於賓夕法尼亞大學積極心理學中心和斯托尼布魯克人類語言分析實驗室的世界福祉項目（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。 在2014，WWBP創始研究科學家和賓夕法尼亞大學博士後研究員Johannes Eichstaedt開始懷疑社交媒體是否有可能預測心理健康結果，尤其是抑鬱症。

“社交媒體數據包含類似於基因組的標記。 通過與基因組學中使用的方法驚人相似的方法，我們可以梳理社交媒體數據以找到這些標記，“Eichstaedt解釋說。 “抑鬱症似乎是以這種方式可以察覺的東西; 它真的改變了人們對社交媒體的使用方式，就像皮膚病或糖尿病一樣。“

寫在Facebook牆上

研究人員從同意分享Facebook狀態和電子醫療記錄信息的人員那裡找到數據，然後通過機器學習技術分析這些狀態來區分這些狀態，而不是做以前的研究所做的事情 - 招募那些自我報告患有抑鬱症的參與者。正式抑鬱症診斷。

“這是來自賓夕法尼亞醫學數字健康中心的社會Mediome註冊處的早期工作，它將社交媒體與健康記錄數據結合起來，”研究合著者Raina Merchant說。 “對於這個項目，所有人都同意，沒有從他們的網絡收集數據，數據是匿名的，並且遵守最嚴格的隱私和安全級別。”

然後，幾乎1,200人員同意提供兩種數字檔案。 其中，只有114人在其病歷中診斷為抑鬱症。 然後，研究人員將每個人與抑鬱症的診斷相匹配，其中五個沒有，作為對照，對於683人的總樣本（不包括狀態更新中的不足單詞）。 我們的想法是創建盡可能逼真的場景來訓練和測試研究人員的算法。

“人們認為使用社交媒體不利於一個人的心理健康，但它可能會成為診斷，監控並最終治療它的重要工具。”

“這是一個非常難的問題，”Eichstaedt說。 “如果683的人到醫院就診，而15的百分比是抑鬱的，那麼我們的算法能夠預測出哪些？ 如果算法表明沒有人被壓抑，那麼85的準確度將是百分之百。“

為了構建該算法，研究人員回顧了524,292 Facebook的更新情況，這些年來導致每個患有抑鬱症的患者的診斷以及控制的相同時間跨度。 他們確定了最常用的單詞和短語，然後對200主題進行了建模，以得出他們所謂的“抑鬱相關語言標記”。最後，他們比較了抑鬱與控制參與者使用這種措辭的方式和頻率。

抑鬱症診斷的“黃旗”

他們了解到這些標記包括情緒，認知和人際關係過程，如敵意和孤獨，悲傷和反芻，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抑鬱症。

施瓦茨說：“人們認為使用社交媒體不利於一個人的心理健康，但它可能會成為診斷，監控並最終治療它的重要工具。” “在這裡，我們已經證明它可以用於臨床記錄，這是通過社交媒體改善心理健康的一步。”

Eichstaedt認為使用這些數據作為抑鬱症診斷的一種不引人注目的篩查的長期潛力。 “希望有一天，這些篩查系統可以整合到護理系統中，”他說。 “這個工具引起了黃旗; 最終，希望是你可以直接將人們認為是可擴展的治療方式。“

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 - 並非醫學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，例如 - 這些發現提供了一種潛在的新方法來揭示並為那些患有抑鬱症的人提供幫助。

資源： 紐約州立大學石溪分校

相關書籍

at InnerSelf 市場和亞馬遜