Egy adott évben a depresszió az Egyesült Államok felnőtt lakosságának több mint hat százalékát érinti – mintegy 16 millió embert -, de kevesebb mint a fele kapja meg a szükséges kezelést. Mi lenne, ha egy algoritmus átvizsgálná a közösségi médiát, és rámutatna a betegségre utaló nyelvi jelekre, még mielőtt hivatalos orvosi diagnózis készülne?
“Amit az emberek a közösségi médiában és az interneten írnak, az az élet egy olyan aspektusát ragadja meg, amelyhez az orvostudomány és a kutatás számára nagyon nehéz más módon hozzáférni. Ez egy olyan dimenzió, amely a betegségek biofizikai markereivel összehasonlítva viszonylag kihasználatlan” – mondja H. Andrew Schwartz, a Stony Brook Egyetem informatikai tanszékének docense és a World Well-Being Project vezető kutatója. “Az olyan állapotok, mint például a depresszió, a szorongás és a PTSD, több jelet találunk abban, ahogyan az emberek digitálisan kifejezik magukat.”
A Proceedings of the National Academy of Sciences című folyóiratban megjelent Schwartz kutatásai szerint ez most minden eddiginél valószínűbb. A Stony Brook Egyetem és a Pennsylvaniai Egyetem kutatói a beleegyező felhasználók által a depresszió diagnózisát megelőző hónapokban megosztott közösségi médiaadatokat elemezve megállapították, hogy algoritmusuk pontosan meg tudja jósolni a jövőbeli depressziót. Az állapot jelzői közé tartoztak az ellenségesség és a magány említései, az olyan szavak, mint a “könnyek” és az “érzések”, valamint a több egyes szám első személyű névmás, például az “én” és az “én” használata.”
A Stony Brook Human Language Analysis Lab és az UPenn Positive Psychology Center kutatói a World Well-Being Project (WWBP) keretében hat éve tanulmányozzák, hogy az emberek által használt szavak hogyan tükrözik belső érzéseiket és elégedettségüket. 2014-ben Johannes Eichstaedt, a WWBP alapító kutatója és a Penn posztdoktori ösztöndíjasa azon kezdett el gondolkodni, hogy lehetséges-e, hogy a közösségi média előre jelezze a mentális egészség, különösen a depresszió kimenetelét.
“A közösségi média adatai a genomhoz hasonló markereket tartalmaznak. A genomikában használt módszerekhez meglepően hasonló módszerekkel átfésülhetjük a közösségi média adatait, hogy megtaláljuk ezeket a markereket” – magyarázza Eichstaedt. “Úgy tűnik, hogy a depresszió valami egészen jól kimutatható ilyen módon; valóban úgy változtatja meg az emberek közösségi médiahasználatát, mint valami olyan, mint a bőrbetegség vagy a cukorbetegség.”
Eichstaedt és Schwartz a Penn Medicine Center for Digital Health munkatársaival, Robert J. Smith-szel, Raina Merchant-tal, David Asch-sel és Lyle Ungarral állt össze a tanulmányhoz. Ahelyett, hogy azt tették volna, amit a korábbi tanulmányok tettek – olyan résztvevőket toboroztak, akik saját maguk jelentették be a depressziójukat -, a kutatók azonosították a Facebook-státuszok és az elektronikus orvosi nyilvántartási adatok megosztásához hozzájáruló emberek adatait, majd gépi tanulási technikák segítségével elemezték azokat, hogy megkülönböztessék a hivatalos depressziós diagnózissal rendelkezőket.
Majdnem 1200 ember járult hozzá, hogy mindkét digitális archívumot megadják. Közülük 114 embernek volt depresszió diagnózisa az orvosi kartonjában. A kutatók ezután minden depressziós diagnózissal rendelkező személyt öt olyan személlyel párosítottak, akik nem rendelkeztek depresszióval, hogy kontrollként szolgáljanak, így összesen 683 fős mintát kaptak (kizárva egyet az állapotfrissítéseken belüli elégtelen szavak miatt). Az elképzelés az volt, hogy a lehető legrealisztikusabb forgatókönyvet hozzák létre a kutatók algoritmusának kiképzéséhez és teszteléséhez.
“Ez egy igazán nehéz probléma” – mondja Eichstaedt. “Ha 683 ember jelentkezik a kórházban, és 15 százalékuk depressziós, vajon az algoritmusunk képes lenne megjósolni, hogy melyikük? Ha az algoritmus azt mondja, hogy senki sem depressziós, akkor 85 százalékos pontosságú lenne.”
Az algoritmus megalkotásához Eichstaedt, Smith és munkatársai 524 292 Facebook-frissítést néztek vissza a diagnózist megelőző évekből minden egyes depressziós egyén és ugyanerre az időszakra vonatkozóan a kontroll esetében. Meghatározták a leggyakrabban használt szavakat és kifejezéseket, majd 200 témát modelleztek, hogy kiszűrjék az általuk “depresszióval kapcsolatos nyelvi markereknek” nevezett jelzőket. Végül összehasonlították, hogy a depressziós és a kontroll résztvevői milyen módon és milyen gyakran használtak ilyen kifejezéseket.
Megtudták, hogy ezek a markerek olyan érzelmi, kognitív és interperszonális folyamatokat foglalnak magukban, mint az ellenségesség és a magány, a szomorúság és a rumináció, és már három hónappal a betegség első orvosi dokumentálása előtt megjósolhatják a jövőbeli depressziót.
“Van egy olyan felfogás, hogy a közösségi média használata nem tesz jót a mentális egészségnek, de kiderülhet, hogy fontos eszköz a diagnosztizálásban, a nyomon követésben és végül a kezelésben” – mondja Schwartz. “Itt megmutattuk, hogy a klinikai feljegyzésekkel együtt használható, ami egy lépés a mentális egészség javítása felé a közösségi médiával.”
Eichstaedt hosszú távú potenciált lát abban, hogy ezeket az adatokat egyfajta nem feltűnő szűrésként használják. “A remény az, hogy egy nap ezek a szűrőrendszerek integrálhatók lesznek az ellátórendszerekbe” – mondja. “Ez az eszköz sárga zászlókra hívja fel a figyelmet; végül az a remény, hogy az általa azonosított embereket közvetlenül a skálázható kezelési módokba irányíthatjuk.”
A tanulmány bizonyos korlátai ellenére, beleértve a jellegzetes városi mintát és magának a területnek a korlátait – például nem minden orvosi nyilvántartásban szereplő depressziós diagnózis felel meg a strukturált klinikai interjúk által biztosított arany standardnak – az eredmények egy lehetséges új módszert kínálnak a depresszióban szenvedők felfedezésére és a segítség megszerzésére.