Para peneliti telah menciptakan suatu algoritma yang menganalisis posting media sosial untuk menemukan penanda linguistik untuk depresi.
Pada suatu tahun tertentu, depresi mempengaruhi lebih dari enam persen populasi orang dewasa di Amerika Serikat — beberapa 16 juta orang — tetapi kurang dari separuh menerima perawatan yang mereka butuhkan.
Menganalisis data media sosial yang menyetujui pengguna bersama selama berbulan-bulan menjelang diagnosis depresi, para peneliti menemukan algoritma mereka dapat secara akurat memprediksi depresi di masa depan. Indikator kondisi termasuk menyebutkan permusuhan dan kesepian, kata-kata seperti "air mata" dan "perasaan," dan penggunaan kata ganti orang pertama seperti "Saya" dan "saya."
Temuan tersebut muncul di Prosiding National Academy of Sciences.
Genom media sosial Anda
“Apa yang ditulis orang di media sosial dan online menangkap aspek kehidupan yang sangat sulit dalam bidang kedokteran dan penelitian untuk mengakses sebaliknya. Ini adalah dimensi yang relatif belum tersentuh dibandingkan dengan penanda biofisik penyakit, ”kata H. Andrew Schwartz, asisten profesor ilmu komputer di Stony Brook University dan penulis makalah senior. "Kondisi seperti depresi, kecemasan, dan PTSD, misalnya, Anda menemukan lebih banyak sinyal dalam cara orang mengekspresikan diri secara digital."
Selama enam tahun, para peneliti di World Well-Being Project (WWBP), yang berbasis di Pusat Psikologi Positif Universitas Pennsylvania dan Lab Analisis Bahasa Manusia Stony Brook, telah mempelajari bagaimana kata-kata yang digunakan orang-orang mencerminkan perasaan dan kepuasan batin mereka. Dalam 2014, Johannes Eichstaedt, WWBP yang mendirikan ilmuwan penelitian dan seorang rekan postdoctoral di Penn, mulai bertanya-tanya apakah mungkin bagi media sosial untuk memprediksi hasil kesehatan mental, terutama untuk depresi.
“Data media sosial mengandung penanda yang mirip dengan genom. Dengan metode yang sangat mirip dengan yang digunakan dalam genomik, kita dapat menyisir data media sosial untuk menemukan penanda ini, ”Eichstaedt menjelaskan. “Depresi tampaknya merupakan sesuatu yang cukup dapat dideteksi dengan cara ini; itu benar-benar mengubah cara orang menggunakan media sosial dengan cara yang sesuatu seperti penyakit kulit atau diabetes tidak. ”
Tulisan itu ada di dinding Facebook
Alih-alih melakukan apa yang telah dilakukan penelitian sebelumnya — merekrut peserta yang melaporkan diri mereka mengalami depresi — para peneliti mengidentifikasi data dari orang-orang yang menyetujui untuk berbagi status Facebook dan informasi rekam medis elektronik, kemudian menganalisis status menggunakan teknik pembelajaran mesin untuk membedakannya dengan diagnosis depresi formal.
"Ini adalah pekerjaan awal dari Registry Mediome Sosial kami dari Penn Medicine Centre for Digital Health, yang bergabung dengan media sosial dengan data dari catatan kesehatan," kata rekan penulis Raina Merchant. “Untuk proyek ini, semua individu setuju, tidak ada data yang dikumpulkan dari jaringan mereka, data dianonimkan, dan tingkat privasi dan keamanan paling ketat dipatuhi.”
Hampir orang 1,200 kemudian setuju untuk menyediakan kedua arsip digital. Dari jumlah tersebut, hanya orang-orang 114 yang memiliki diagnosis depresi dalam catatan medis mereka. Para peneliti kemudian mencocokkan setiap orang dengan diagnosis depresi dengan lima yang tidak, untuk bertindak sebagai kontrol, untuk sampel total orang 683 (tidak termasuk satu untuk kata-kata yang tidak memadai dalam pembaruan status). Idenya adalah untuk menciptakan skenario yang realistis untuk melatih dan menguji algoritme para peneliti.
"Ada persepsi bahwa menggunakan media sosial tidak baik untuk kesehatan mental seseorang, tetapi itu bisa menjadi alat penting untuk mendiagnosis, memantau, dan akhirnya mengobatinya."
"Ini benar-benar masalah yang sulit," kata Eichstaedt. “Jika orang 683 datang ke rumah sakit dan 15 persen dari mereka mengalami depresi, apakah algoritme kami dapat memprediksi yang mana? Jika algoritma mengatakan tidak ada yang depresi, itu akan menjadi 85 persen akurat. ”
Untuk membangun algoritma, para peneliti melihat kembali pembaruan Facebook 524,292 dari tahun-tahun menjelang diagnosis untuk setiap individu dengan depresi dan rentang waktu yang sama untuk kontrol. Mereka menentukan kata-kata dan frasa yang paling sering digunakan, kemudian memodelkan topik 200 untuk memcahkan apa yang mereka sebut “penanda bahasa terkait depresi.” Akhirnya, mereka membandingkan dengan cara apa dan seberapa sering depresi dibandingkan dengan peserta kontrol menggunakan ungkapan tersebut.
'Bendera kuning' untuk diagnosis depresi
Mereka belajar bahwa penanda ini terdiri dari proses emosional, kognitif, dan interpersonal seperti permusuhan dan kesepian, kesedihan dan perenungan, dan dapat memprediksi depresi di masa depan sedini tiga bulan sebelum dokumentasi pertama penyakit dalam catatan medis.
"Ada persepsi bahwa menggunakan media sosial tidak baik untuk kesehatan mental seseorang, tetapi mungkin menjadi alat penting untuk mendiagnosis, memantau, dan akhirnya mengobatinya," kata Schwartz. "Di sini, kami telah menunjukkan bahwa itu dapat digunakan dengan catatan klinis, langkah menuju peningkatan kesehatan mental dengan media sosial."
Eichstaedt melihat potensi jangka panjang dalam menggunakan data ini sebagai bentuk skrining tidak mengganggu untuk diagnosis depresi. "Harapannya adalah bahwa suatu hari nanti, sistem skrining ini dapat diintegrasikan ke dalam sistem perawatan," katanya. “Alat ini memunculkan bendera kuning; Pada akhirnya, harapannya adalah Anda dapat mengarahkan orang-orang yang diidentifikasi secara langsung ke modalitas pengobatan yang skalabel. ”
Meskipun ada beberapa keterbatasan dalam penelitian ini, termasuk sampel perkotaan yang khas, dan keterbatasan di lapangan itu sendiri - tidak setiap diagnosis depresi dalam rekam medis memenuhi standar emas yang disusun oleh wawancara klinis terstruktur, misalnya - temuan ini menawarkan cara baru yang potensial untuk mengungkap dan dapatkan bantuan untuk mereka yang menderita depresi.
Sumber: Stony Brook University
Buku terkait
at Pasar InnerSelf dan Amazon
