top of page
Yazarın fotoğrafıBilimAvcısı

Sosyal Medya Verileriniz 'Ruh Sağlığı Röntgeni' Haline Gelebilir

Gelecekte, daha doğru bir teşhis için sosyal medya verilerinizi gönüllü olarak psikiyatristinizle paylaşabilirsiniz.

Yaklaşık her beş kişiden biri psikiyatrik bir rahatsızlıktan muzdariptir.

Yeni bir çalışmada araştırmacılar, psikiyatrik bozukluklar ile Facebook mesajları arasındaki ilişkiyi analiz eden makine öğrenme algoritmaları geliştirdiler.



Algoritmalar, psikiyatrik bozuklukların teşhisini istatistiksel doğrulukla doğru bir şekilde tahmin edebildi ve bu dijital araçların bir gün klinisyenlerin erken aşamalarda akıl hastalıklarını tanımlamasına yardımcı olabileceğini öne sürüyor.


Akıl hastalığı olan insanların yüzde 20'si için, durumun erken belirlenmesi, en iyi tedaviyi almanın anahtarıdır.


Ancak insanlar klinik bakım görmeden genellikle aylarca, hatta yıllarca semptomlar yaşarlar. Sorunun bir kısmı, psikiyatristlerin akıl hastalıklarını teşhis etmek için çok az araca sahip olmalarıdır; çoğunlukla kendilerinin bildirdiği verilere ve arkadaşlardan ve aileden gelen gözlemlere güvenirler.

Feinstein Tıbbi Araştırma Enstitüleri'nde yardımcı doçent olan ve Zucker Hillside Hastanesi ve Northwell Sağlık'taki Lenox Hill Hastanesi'nde görevli bir doktor olan Michael Birnbaum'a göre alan, bazı yönlerden "tarih öncesi çağda sıkışmış".

Ancak dijital araçlar, psikiyatrinin modern çağa girmesine yardımcı olabilir.

Dr. Birnbaum Big Think'e "Gençlerle yaptığım çalışmalarda sosyal medyanın her yerde olduğu ortaya çıktı. Böylece, hastalarımıza tanı koyma şeklimizde ve sağladığımız bakımda internetin ve sosyal medyanın faydasını potansiyel olarak keşfedebileceğimiz yollar hakkında düşünmeye başladık." dedi.

Feinstein Enstitüleri araştırmacıları ve IBM Research tarafından yürütülen yakın tarihli bir araştırmanın sonuçları, sosyal medya faaliyetinin, duygudurum bozuklukları ve şizofreni spektrum bozuklukları gibi akıl hastalıkları geliştirme riski altında olanlara yararlı bilgiler sağlayabileceğini öne sürüyor.


Njp Schizophrenia dergisinde yayınlanan çalışmada, 15 ila 35 yaş arası katılımcılar tarafından gönüllü olarak sağlanan milyonlarca Facebook mesajını ve görüntüsünü analiz etmek için makine öğrenme algoritmaları kullanıldı. Veriler, katılımcıların hastaneye kaldırılmadan önceki 18 ay boyunca Facebook etkinliklerini temsil ediyordu.

... akıl hastalığı olan kişilerle olmayanlar arasındaki sağlık eşitsizliği, ırk, etnik köken, coğrafya veya sosyoekonomik duruma atfedilebilen eşitsizliklerden daha büyüktür.
Psikiyatrik Bozuklukları Tanımlama

Amaç, algoritmaların bu veri kümelerindeki örüntüleri analiz etmesiydi ve ardından hangi grup katılımcıların dahil olduğunu tahmin etmekti: Şizofreni spektrum bozuklukları (SSD), duygudurum bozuklukları (MD) veya sağlıklı gönüllüler (HV). Sonuçlar umut vericiydi ve algoritmaların doğru bir şekilde tanımlandığını gösteriyordu.


● % 52 doğrulukla SDD (şizofreni spektrum bozuklukları) grubu (şans% 33'tü)

● % 57 doğrulukla MD (duygudurum bozuklukları) grubu (şans% 37 idi)

● % 56 doğrulukla HV (sağlıklı gönüllüler) grubu (şans% 29'du)

Çalışma ayrıca gruplar arasında Facebook aktivitesinde ilginç farklılıklar gösterdi, örneğin:

● SSD grubunun algı ile ilgili dili kullanma olasılığı daha yüksekti (duymak, görmek, hissetmek).

● MD ve SSD gruplarının küfür ve öfkeyle ilgili dil kullanma olasılığı çok daha yüksekti.

● MD grubunun biyolojik süreçlerle (kan, ağrı) ilgili dili kullanma olasılığı daha yüksekti.

● SSD grubunun olumsuz duyguları ifade etme, ikinci şahıs zamirlerini kullanma ve netspeak (lol, btw, thx) ile yazma olasılığı daha yüksekti.

● MD grubunun daha fazla mavi ve daha az sarı içeren fotoğrafları gönderme olasılığı daha yüksekti.


Bu farklılıklar, bir hasta hastaneye kaldırılmadan önceki aylarda daha belirgin hale gelme eğilimindeydi. Ancak hastaneye kaldırılmadan 18 ay önce bile sonuçlar, katılımcıların psikiyatrik bir bozukluk geliştirme yolunda olabileceğine dair sinyalleri ortaya çıkardı.


Kaynak:

  • https://bigthink.com/Northwell-Health/social-media-mental-health?rebelltitem=4#rebelltitem4

Comentarios


bottom of page