امکان تشخیص ۲۱ بیماری در کاربر با تحلیل پست های فیسبوک

بر اساس مطالعه‌ای جدید، آنالیز اطلاعات فیس بوک افراد می‌تواند 21 بیماری از جمله دیابت، فشارخون، اضطراب و افسردگی را پیش بینی کند.

این مطالعه از اطلاعات 999 شخص که مایل بودند پست‌های شبکه اجتماعی خود و همچنین سوابق پزشکی‌شان را برای انجام این تحقیق به اشتراک بگذارند، استفاده کرده و حدود 20 میلیون کلمه را مورد آنالیز و بررسی قرار داد.

محققان به الگوهای زبانی مثل کلمات، عبارات و خوشه کلمات مرتبط و وابستگی آماری آن‌ها با پیشینه تشخیص 21 نوع بیماری پرداختند. آنها از سه مدل برای آنالیز اطلاعات فیس بوک استفاده کردند. یک مدل فقط به بررسی زبان پست‌های فیس بوک می‌پرداخت، مدلی دیگر از پارامترهای جمعیت شناسی مثل سن و جنسیت استفاده می‌کرد و مدل سوم هم مجموعه داده دو مدل قبلی را با هم ترکیب می‌کرد.

محققان دریافتند که فقط با استفاده از پست‌های فیس بوک می‌توان تمام این 21 بیماری یا وضعیت را پیش بینی کرده که برای 10 مورد از آن‌ها، اطلاعات این شبکه اجتماعی پیش بینی بهتری نسبت به داده‌های جمعیت شناسی در اختیار می‌گذارد.

به گفته محقق ارشد این پژوهش «اندرو شوارتز»:

زبان دیجیتالی ما جنبه‌های قدرتمندی از زندگی ما را در خود ثبت می‌کند که احتمالا با داده‌های پزشکی متداول قابل ثبت و ضبط نیستند. با نگاه به شرایط پزشکی گوناگون در افراد، درکی از اینکه چگونه این شرایط به هم مرتبط می‌شوند پیدا می‌کنیم. این موضوع در نهایت می‌تواند منجر به کاربرد بهتر هوش مصنوعی برای درمان شود.

به عنوان مثال می‌توان به کاربرد لغاتی مثل بطری و نوشیدنی اشاره کرد که بررسی آن‌ها توانست بیش از سایر اطلاعات جمعیت شناسی به استفاده بی رویه الکل اشاره کند.

به گفته محققان چالش اصلی متد مذکور این است که داده‌های زیادی وجود دارد و خود آن‌ها به عنوان پیشنهاد کننده این روش نمی‌توانند آن‌ها را تفسیر کرده و یا بر اساس آن تصمیم‌های بالینی بگیرند. در ادامه هدف آن‌ها بر این است که حجم عظیم داده‌های شبکه‌های اجتماعی را خلاصه و مختصر کنند تا بهتر بتوان تحلیل‌های مرتبط را یا استفاده از آن‌ها انجام داد.