वैद्यकीय पेनसिल्व्हेनिया विद्यापीठातील शास्त्रज्ञांना असे आढळले आहे की सोशल मीडिया पोस्टच्या सामग्रीवरून वैद्यकीय परिस्थितीचा अंदाज लावला जाऊ शकतो
सामाजिक मीडिया आता आपल्या जीवनाचा अविभाज्य भाग आहे. 2019 मध्ये, किमान 2.7 अब्ज लोक फेसबुक, ट्विटर आणि इंस्टाग्राम सारख्या ऑनलाइन सोशल मीडिया प्लॅटफॉर्मचा नियमित वापर करा. याचा अर्थ असा की या सार्वजनिक प्लॅटफॉर्मवर एक अब्जाहून अधिक व्यक्ती दररोज त्यांच्या जीवनाविषयी माहिती शेअर करतात. लोक मुक्तपणे त्यांचे विचार, आवडी-निवडी, भावना आणि व्यक्तिमत्त्व शेअर करतात. ही माहिती बाहेरून व्युत्पन्न झाली की नाही याचा शोध शास्त्रज्ञ घेत आहेत क्लिनिकल आरोग्य सेवा प्रणाली, दैनंदिन जीवनात संभाव्य रोग भविष्यसूचक प्रकट करू शकते रुग्णांना जे अन्यथा आरोग्य सेवा कर्मचारी आणि संशोधकांसाठी लपवले जाऊ शकते. ट्विटर हृदयविकाराच्या मृत्यू दराचा अंदाज कसा लावू शकतो किंवा विमा सारख्या वैद्यकीय-संबंधित मुद्द्यांवर सार्वजनिक भावनांचे निरीक्षण कसे करू शकते हे यापूर्वीच्या अभ्यासातून दिसून आले आहे. तथापि, वैयक्तिक स्तरावर वैद्यकीय परिस्थितीचा अंदाज घेण्यासाठी सोशल मीडिया माहितीचा वापर आतापर्यंत केला गेला नाही.
17 जून रोजी प्रकाशित केलेला एक नवीन अभ्यास PLOS ONE ने प्रथमच रूग्णांच्या (ज्यांनी त्यांची संमती दिली आहे) इलेक्ट्रॉनिक वैद्यकीय नोंदी त्यांच्या सोशल मीडिया प्रोफाइलशी जोडल्याचे दाखवले आहे. संशोधकांनी तपास करण्याचे उद्दिष्ट ठेवले होते - प्रथम, एखाद्या व्यक्तीच्या वैद्यकीय स्थितीचा अंदाज वापरकर्त्याच्या सोशल मीडिया खात्यावर पोस्ट केलेल्या भाषेवरून लावला जाऊ शकतो का आणि दुसरे, विशिष्ट रोग चिन्हक ओळखले जाऊ शकत असल्यास.
संशोधकांनी 999 रूग्णांच्या संपूर्ण Facebook इतिहासाचे विश्लेषण करण्यासाठी स्वयंचलित डेटा संकलन तंत्राचा वापर केला. याचा अर्थ सुमारे 20 फेसबुक स्टेटस अपडेट्समध्ये कमीत कमी 949,000 शब्द असलेल्या पोस्टसह 500 दशलक्ष शब्दांचे विश्लेषण करणे. संशोधकांनी प्रत्येक रुग्णाची भविष्यवाणी करण्यासाठी तीन मॉडेल विकसित केले. पहिल्या मॉडेलने कीवर्ड ओळखून फेसबुक पोस्टच्या भाषेचे विश्लेषण केले. दुसऱ्या मॉडेलमध्ये रुग्णाच्या लोकसंख्याशास्त्रीय माहितीचे विश्लेषण केले जसे की त्यांचे वय आणि लिंग. तिसऱ्या मॉडेलने हे दोन डेटासेट एकत्र केले. मधुमेह, चिंता, नैराश्य, उच्चरक्तदाब, अल्कोहोलचा गैरवापर, लठ्ठपणा, मनोविकार यासह एकूण 21 वैद्यकीय स्थिती तपासण्यात आल्या.
विश्लेषणातून असे दिसून आले आहे की सर्व 21 वैद्यकीय स्थिती केवळ फेसबुक पोस्ट्सवरून अंदाज लावल्या जाऊ शकतात. आणि, 10 परिस्थितींचा अंदाज लोकसंख्याशास्त्रापेक्षा फेसबुक पोस्ट्सद्वारे चांगला होता. प्रमुख कीवर्ड होते, उदाहरणार्थ, 'ड्रिंक', 'ड्रंक' आणि 'बॉटल' जे अल्कोहोलच्या गैरवापराचा अंदाज लावणारे होते आणि 'देव' किंवा 'प्रार्थना' किंवा 'फॅमिली' सारखे शब्द मधुमेह असलेल्या लोकांकडून 15 पट जास्त वापरण्यात आले होते. 'मुका' सारखे शब्द मादक पदार्थांचे सेवन आणि मनोविकृतीचे सूचक म्हणून काम करतात आणि 'वेदना', 'रडणे' आणि 'अश्रू' सारखे शब्द भावनिक त्रासाशी जोडलेले होते. व्यक्तींनी वापरलेली फेसबुक भाषा अंदाज बांधण्यात खूप प्रभावी होती – विशेषतः मधुमेह आणि मानसिक आरोग्य चिंता, नैराश्य आणि मनोविकृती यासह परिस्थिती.
सध्याचा अभ्यास सूचित करतो की रूग्णांसाठी एक ऑप्ट-इन प्रणाली विकसित केली जाऊ शकते जिथे रूग्ण त्यांच्या सोशल मीडिया पोस्टच्या विश्लेषणास डॉक्टरांना या माहितीमध्ये प्रवेश प्रदान करून परवानगी देतात. जे लोक नियमितपणे सोशल मीडिया वापरतात त्यांच्यासाठी हा दृष्टिकोन सर्वात मौल्यवान असू शकतो. सोशल मीडिया लोकांचे विचार, व्यक्तिमत्व, मानसिक स्थिती आणि आरोग्य वर्तणूक प्रतिबिंबित करत असल्याने, हा डेटा एखाद्या आजाराची सुरुवात किंवा बिघडण्याचा अंदाज लावण्यासाठी वापरला जाऊ शकतो. जिथे सोशल मीडियाचा संबंध आहे तिथे गोपनीयता, माहितीपूर्ण संमती आणि डेटाची मालकी महत्त्वाची ठरणार आहे. सोशल मीडिया सामग्रीचे संक्षिप्तीकरण आणि सारांश करणे आणि अर्थ लावणे हे प्राथमिक ध्येय आहे.
सध्याचा अभ्यास नवीन विकासाचा मार्ग दाखवू शकतो कृत्रिम बुद्धिमत्ता वैद्यकीय परिस्थितीचा अंदाज घेण्यासाठी अनुप्रयोग. सोशल मीडिया डेटा परिमाण करण्यायोग्य आहे आणि रोगाच्या वर्तणूक आणि पर्यावरणीय जोखीम घटकांचे मूल्यांकन करण्यासाठी नवीन मार्ग प्रदान करतो. एखाद्या व्यक्तीच्या सोशल मीडिया डेटाला 'सोशल मीडिओम' (जीनोम प्रमाणेच - जीन्सचा संपूर्ण संच) म्हणून संबोधले जात आहे.
***
{उद्धृत स्रोतांच्या सूचीमध्ये खाली दिलेल्या DOI लिंकवर क्लिक करून तुम्ही मूळ शोधनिबंध वाचू शकता}
स्त्रोत
व्यापारी RM et al. 2019. सोशल मीडिया पोस्टवरून वैद्यकीय परिस्थितीच्या अंदाजाचे मूल्यांकन करणे. PLOS ONE. 14 (6). https://doi.org/10.1371/journal.pone.0215476
