Posting Facebook sebagai Alat Prediktif Kesehatan: Mendeteksi Diabetes, Depresi, dan Lainnya
- Posting Facebook saja dapat memprediksi penyakit seperti diabetes, depresi, kecemasan, dan psikosis.
- Seperti informasi genomik, konten media sosial mampu mempersonalisasi perawatan kesehatan.
Lebih dari 2 miliar orang berbagi informasi tentang kehidupan sehari-hari mereka melalui platform media sosial, sering mengungkapkan kepribadian, perasaan, dan demografi mereka. Angka ini diharapkan mencapai lebih dari 3 miliar [pengguna media sosial aktif bulanan] pada 2021, sekitar 1/3 dari seluruh populasi.
Informasi semacam ini berisi sinyal kesehatan yang berguna di tingkat populasi. Baru-baru ini, peneliti di Penn Medicine dan Stony Brook University menghubungkan rekam medis elektronik (EMR) pasien dengan data media sosial mereka untuk mengidentifikasi marka penyakit tertentu.
Tim penelitian mencakup 999 pasien yang setuju untuk berbagi rekam medis dan informasi media sosial mereka. Mereka menganalisis sekitar 949.000 pembaruan status Facebook yang berisi lebih dari 20 juta kata. Setiap posting peserta berisi minimal 500 kata.
Peneliti menggunakan pemrosesan bahasa alami — subdisiplin buatan pintar yang berkaitan dengan interaksi antara bahasa manusia (alami) dan komputer — untuk mengkode bahasa setiap peserta sebagai kode bahasa pasien 700 dimensi.
Mereka kemudian mengkategorikan diagnosis dari EMR peserta menjadi 21 kelompok berdasarkan prevalensi dalam sampel dan Indeks Komorbiditas Elixhauser.
Dalam kata lain, peneliti menganalisis pola bahasa [posting Facebook] — kata-kata, kalimat, sekelompok kata terkait — dan koneksinya dengan 21 kategori standar diagnosis EMR.
Secara keseluruhan, mereka menggunakan tiga model untuk memeriksa kekuatan prediktif untuk pasien –
- Model pertama menganalisis bahasa posting Facebook
- Model kedua menggunakan demografi seperti jenis kelamin dan usia.
- Model ketiga menggabungkan kedua kumpulan data.
Referensi: PLOS ONE | DOI:10.1371/journal.pone.0215476 | Stony Brook University
Hasil
Konten Facebook secara signifikan meningkatkan akurasi memprediksi 18 dari 21 kategori penyakit. Ini terbukti sangat efisien dalam memprediksi diabetes, kehamilan, depresi, kecemasan, psikosis, dan kondisi kesehatan mental lainnya.
Faktanya, 10 kategori diprediksi lebih efektif oleh posting Facebook daripada faktor demografi tradisional (jenis kelamin, usia, dan ras).
Diagnosis medis yang terkait dengan bahasa media sosial yang dikode dapat berfungsi sebagai alat saringan dan digunakan untuk menguraikan epidemiologi penyakit.
Seperti informasi genomik, konten media sosial mampu mempersonalisasi perawatan kesehatan. Dengan memeriksa beberapa kondisi medis, peneliti dapat lebih memahami bagaimana kondisi-kondisi ini terkait satu sama lain, yang dapat memungkinkan aplikasi baru buatan pintar untuk kedokteran.
Baca: Ilmuwan Temukan dan Memperbaiki Faktor Risiko Genetik Penyakit Alzheimer
Untuk meningkatkan hasilnya lebih lanjut, studi masa depan dapat membandingkan perbedaan dalam data terkait kesehatan yang diungkapkan oleh pasien dari populasi demografi yang berbeda dan di platform lain seperti Twitter.
