Sektor Perubatan saintis dari University of Pennsylvania telah mendapati bahawa keadaan perubatan boleh diramalkan daripada kandungan siaran media sosial
media sosial kini menjadi sebahagian daripada kehidupan kita. Pada 2019, sekurang-kurangnya 2.7 bilion orang kerap menggunakan platform media sosial dalam talian seperti Facebook, Twitter dan Instagram. Ini bermakna lebih daripada satu bilion individu berkongsi maklumat setiap hari tentang kehidupan mereka di platform awam ini. Orang ramai bebas berkongsi fikiran, suka dan tidak suka, sentimen dan personaliti mereka. Para saintis sedang meneroka sama ada maklumat ini, dijana di luar klinikal sistem penjagaan kesihatan, boleh mendedahkan kemungkinan peramal penyakit dalam kehidupan seharian pacientes yang sebaliknya mungkin disembunyikan kepada kakitangan dan penyelidik penjagaan kesihatan. Kajian terdahulu telah menunjukkan bagaimana Twitter boleh meramalkan kadar kematian penyakit jantung atau memantau sentimen orang ramai mengenai isu berkaitan perubatan seperti insurans. Walau bagaimanapun, maklumat media sosial setakat ini tidak digunakan untuk meramalkan keadaan perubatan pada peringkat individu.
Satu kajian baru yang diterbitkan pada 17 Jun di PLoS ONE buat pertama kalinya telah menunjukkan kaitan rekod perubatan elektronik pesakit (yang telah memberikan kebenaran mereka) dengan profil media sosial mereka. Penyelidik bertujuan untuk menyiasat – pertama, sama ada keadaan perubatan seseorang individu boleh diramalkan daripada bahasa yang disiarkan pada akaun media sosial pengguna dan kedua, jika penanda penyakit tertentu dapat dikenal pasti.
Penyelidik menggunakan teknik pengumpulan data automatik untuk menganalisis sejarah Facebook penuh 999 pesakit. Ini bermakna menganalisis 20 juta perkataan dalam kira-kira 949,000 kemas kini status Facebook dengan siaran yang mengandungi sekurang-kurangnya 500 perkataan. Penyelidik membangunkan tiga model untuk membuat ramalan bagi setiap pesakit. Model pertama menganalisis bahasa siaran Facebook dengan mengenal pasti kata kunci. Model kedua menganalisis maklumat demografi pesakit seperti umur dan jantina mereka. Model ketiga menggabungkan kedua-dua set data ini. Sebanyak 21 keadaan perubatan telah diteliti termasuk diabetes, kebimbangan, kemurungan, hipertensi, penyalahgunaan alkohol, obesiti, psikosis.
Analisis menunjukkan bahawa kesemua 21 keadaan perubatan boleh diramalkan daripada siaran Facebook sahaja. Dan, 10 keadaan telah diramalkan lebih baik oleh siaran Facebook berbanding demografi. Kata kunci yang menonjol ialah, sebagai contoh, 'minum', 'mabuk' dan 'botol' yang meramalkan penyalahgunaan alkohol dan perkataan seperti 'Tuhan' atau 'berdoa' atau 'keluarga' digunakan 15 kali lebih berkemungkinan oleh penghidap diabetes. Perkataan seperti 'bodoh' berfungsi sebagai penunjuk untuk penyalahgunaan dadah dan psikosis dan perkataan seperti 'sakit', 'menangis' dan 'air mata' dikaitkan dengan tekanan emosi. Bahasa Facebook yang digunakan oleh individu sangat berkesan dalam membuat ramalan - terutamanya tentang diabetes dan mental kesihatan keadaan termasuk kebimbangan, kemurungan dan psikosis.
Kajian semasa mencadangkan bahawa sistem ikut serta untuk pesakit boleh dibangunkan di mana pesakit membenarkan analisis siaran media sosial mereka dengan menyediakan akses kepada maklumat ini kepada doktor. Pendekatan ini mungkin paling berharga untuk orang yang kerap menggunakan media sosial. Memandangkan media sosial mencerminkan pemikiran, keperibadian, keadaan mental dan tingkah laku kesihatan orang ramai, data ini boleh digunakan untuk meramalkan permulaan atau keburukan sesuatu penyakit. Mengenai media sosial, privasi, persetujuan termaklum dan pemilikan data akan menjadi penting. Merapatkan dan meringkaskan kandungan media sosial dan membuat tafsiran adalah matlamat utama.
Kajian semasa boleh membawa jalan untuk membangunkan yang baru kecerdasan buatan aplikasi untuk meramal keadaan perubatan. Data media sosial boleh diukur dan menyediakan jalan baharu untuk menilai faktor risiko tingkah laku dan persekitaran sesuatu penyakit. Data media sosial seseorang individu dirujuk sebagai 'media sosial' (serupa dengan genom – set gen lengkap).
***
{Anda boleh membaca kertas penyelidikan asal dengan mengklik pautan DOI yang diberikan di bawah dalam senarai sumber yang dipetik}
Sumber (s)
Saudagar RM et al. 2019. Menilai kebolehramalan keadaan perubatan daripada siaran media sosial. PLOS SATU. 14 (6). https://doi.org/10.1371/journal.pone.0215476
