Facebook帖子中的语言危险信号可以预测未来的抑郁诊断
在任何一年中，抑郁症会影响美国的6％以上的成年人口（有1600万人），但只有不到一半的人接受了所需的治疗。如果在做出正式医学诊断之前，可以扫描社交媒体并指出该疾病的语言危险信号怎么办？
宾夕法尼亚大学和斯托尼·布鲁克大学的新研究发表在美国国家科学院论文集显示这比以往任何时候都更合理。分析社交媒体在整个几个月中，通过同意用户共享的数据沮丧诊断，研究人员发现他们的算法可以准确预测未来的抑郁症。这种情况的指标包括提及敌对和孤独，诸如“眼泪”和“感觉”之类的词，以及使用更多的第一人称代词，例如“ i”和“我”。
“人们在社交媒体和在线上写的东西捕捉了生活的一个方面，这些方面在医学和研究方面非常难以接近，” H。Andrew Schwartz说，世界福祉项目（WWBP）的高级论文作者，首席研究员。“与疾病的生物物理标记相比，这是一个相对尚未开发的维度。例如，考虑到抑郁症，焦虑和PTSD等疾病，您会发现人们以数字方式表达自己的方式。”
六年来，位于宾夕法尼亚州积极心理学中心和斯托尼·布鲁克（Stony Brook）的人类语言分析实验室的WWBP一直在研究人们如何使用这些词，反映了内在的感觉和满足感。2014年，WWBP创始研究科学家约翰内斯·艾希斯塔特（Johannes Eichstaedt）开始怀疑社交媒体是否有可能预测精神健康结果，尤其是抑郁症。
Eichstaedt解释说：“社交媒体数据包含类似于基因组的标记。”“有了与基因组学中使用的方法相似，我们可以梳理社交媒体数据找到这些标记。抑郁症似乎是可以以这种方式检测到的东西。它确实以皮肤疾病或糖尿病之类的方式改变了人们对社交媒体的使用。”
Eichstaedt和Schwartz与同事Robert J. Smith，Raina Merchant，David Asch和Penn Medicine Digital Health中心的Lyle Ungar合作。研究人员没有做以前的研究所做的事情（自我报告的抑郁症的参与者），而是确定了同意分享Facebook状态和电子医疗记录信息的人的数据，然后使用机器学习技术分析了这些状态正式抑郁诊断。
商人说：“这是宾夕法尼亚州数字健康中心的社交医学注册表的早期工作，它与健康记录的数据一起加入了社交媒体。对于该项目，所有个人均已同意，没有从其网络中收集数据，数据是匿名的，并且遵守最严格的隐私和安全性级别。”
近1200人同意提供两个数字档案。其中，只有114人在病历中诊断出抑郁症。然后，研究人员将抑郁症诊断的每个人与五个没有这样诊断的人匹配，可以作为对照，总共有683人（不包括一个在状态更新中的单词不足的人）。这个想法是创建尽可能现实的场景，以训练和测试研究人员的算法。
艾希斯塔特说：“这是一个非常困难的问题。”“如果有683人在医院出席，其中15％的人感到沮丧，我们的算法能够预测哪些人？如果算法说没有人沮丧，那将是85％的准确性。”
为了构建该算法，Eichstaedt，Smith和同事们回顾了524,292个Facebook更新，从几年来，导致每个人的抑郁症诊断，并且在同一时间范围内进行了控制。他们确定了最常用的单词和短语，然后对200个主题进行了建模，以确定他们所谓的“与抑郁症相关的语言标记”。最后，他们比较了抑郁症与对照参与者使用这种措辞的频率和频率进行比较。
他们了解到，这些标记包括情感，认知和人际交往过程，例如敌意，孤独，悲伤和反省，并且在病历中首次记录疾病之前的三个月之前，它们可以预测未来的抑郁症。
施瓦茨说：“人们认为使用社交媒体对人的心理健康不利，但事实证明，这可能是诊断，监测和最终治疗的重要工具。在这里，我们已经证明它可以证明它可以与临床记录一起使用，这是通过社交媒体改善心理健康的一步。”
Eichstaedt认为使用这些数据作为不引人注目的筛选形式的长期潜力。他说：“希望有一天，这些筛查系统可以集成到护理系统中。”“该工具会提出黄色的旗帜；最终希望您可以直接将其确定的人汇入可扩展的治疗方式。”
尽管该研究有一些局限性，包括严格的城市样本以及该领域本身的局限性，但医疗记录中的每一个抑郁诊断都符合结构化临床访谈提供的黄金标准，例如，该发现提供了一种潜在的新方法来发现并为患有抑郁症的人提供帮助。
进一步探索
