Können Facebook-Posts zeigen, wer eine Depression entwickeln wird?
Ein Forscherteam der University of Pennsylvania und der Stony Brook University hat kürzlich einen neuen Algorithmus entwickelt, mit dem ermittelt werden kann, bei welchen Facebook-Nutzern Depressionen diagnostiziert werden.
Für die Studie analysierten die Forscher Social-Media-Daten, die von einwilligenden Benutzern für mehrere Monate geteilt wurden. Basierend auf diesen Daten entwickelten die Forscher einen Algorithmus, der zukünftige Depressionen genau vorhersagen kann.
Zu den Indikatoren für Depressionen gehörten Erwähnungen von Feindseligkeit und Einsamkeit, Wörter wie „Tränen“ und „Gefühle“ sowie die Verwendung von Pronomen aus der ersten Person wie „Ich“ und „Ich“.
"Was Menschen in sozialen Medien und online schreiben, erfasst einen Aspekt des Lebens, auf den in Medizin und Forschung nur schwer zugegriffen werden kann", sagte Dr. H. Andrew Schwartz, leitender Papierautor und Hauptforscher des World Well-Being Project (WWBP) ).
"Es ist eine Dimension, die im Vergleich zu biophysikalischen Krankheitsmarkern relativ unerschlossen ist. In Anbetracht von Erkrankungen wie Depressionen, Angstzuständen und PTBS finden Sie mehr Signale in der Art und Weise, wie Menschen sich digital ausdrücken. “
Seit sechs Jahren untersucht das WWBP, das am Positive Psychology Center der University of Pennsylvania und am Human Language Analysis Lab der Stony Brook University angesiedelt ist, wie die von Menschen verwendeten Wörter innere Gefühle und Zufriedenheit widerspiegeln.
Im Jahr 2014 begann Johannes Eichstaedt, Gründungsforscher des WWBP, zu hinterfragen, ob es für soziale Medien möglich ist, psychische Gesundheitsergebnisse, insbesondere bei Depressionen, vorherzusagen.
„Social-Media-Daten enthalten genomähnliche Marker“, erklärt Eichstaedt. „Mit überraschend ähnlichen Methoden wie in der Genomik können wir Social-Media-Daten kämmen, um diese Marker zu finden. Depressionen scheinen auf diese Weise durchaus erkennbar zu sein; Es verändert die Nutzung sozialer Medien durch die Menschen wirklich so, wie es bei Hautkrankheiten oder Diabetes nicht der Fall ist. "
Eichstaedt und Schwartz haben sich für diese Studie mit den Kollegen Robert J. Smith, Raina Merchant, David Asch und Lyle Ungar vom Penn Medicine Center for Digital Health zusammengetan.
Anstatt Teilnehmer mit selbst gemeldeter Depression zu rekrutieren, identifizierten die Forscher Daten von Personen, die sich bereit erklärten, Facebook-Status und elektronische Krankenakteninformationen weiterzugeben, und analysierten die Status mithilfe maschineller Lerntechniken, um diejenigen mit einer formalen Depressionsdiagnose zu unterscheiden.
"Dies ist eine frühe Arbeit aus unserem Social Mediome Registry des Penn Medicine Center für digitale Gesundheit", sagte Merchant, "das Social Media mit Daten aus Gesundheitsakten verbindet. Für dieses Projekt sind alle Personen einverstanden, es werden keine Daten aus ihrem Netzwerk gesammelt, die Daten werden anonymisiert und die strengsten Datenschutz- und Sicherheitsstandards werden eingehalten. “
Fast 1.200 Menschen stimmten zu, Forschern den Zugang zu beiden digitalen Archiven zu ermöglichen. Von diesen hatten 114 Personen eine Diagnose einer Depression in ihren Krankenakten.
Die Forscher verglichen dann jede Person mit einer Depressionsdiagnose mit fünf Personen, die keine solche Diagnose hatten, um als Kontrolle für eine Gesamtstichprobe von 683 Personen zu fungieren (ausgenommen eine für unzureichende Wörter innerhalb von Statusaktualisierungen). Ziel war es, ein möglichst realistisches Szenario zu erstellen, um den Algorithmus der Forscher zu trainieren und zu testen.
"Das ist ein wirklich schweres Problem", sagt Eichstaedt. „Wenn 683 Personen im Krankenhaus anwesend sind und 15 Prozent von ihnen depressiv sind, könnte unser Algorithmus dann vorhersagen, welche? Wenn der Algorithmus besagt, dass niemand depressiv war, wäre er zu 85 Prozent genau. “
Um den Algorithmus zu entwickeln, blickten die Forscher auf 524.292 Facebook-Updates aus den Jahren zurück, die zur Diagnose für jeden Teilnehmer mit Depression und für dieselbe Zeitspanne für die Kontrolle führten.
Sie identifizierten die am häufigsten verwendeten Wörter und Phrasen und modellierten dann 200 Themen, um herauszufinden, was sie als "depressionsassoziierte Sprachmarker" bezeichneten. Schließlich verglichen sie, auf welche Weise und wie häufig depressive und Kontrollteilnehmer solche Formulierungen verwendeten.
Sie fanden heraus, dass diese Indikatoren emotionale, kognitive und zwischenmenschliche Prozesse wie Feindseligkeit und Einsamkeit, Traurigkeit und Wiederkäuen umfassten. Diese Indikatoren könnten bereits drei Monate vor der ersten Dokumentation der Krankheit in einer Krankenakte eine zukünftige Depression vorhersagen.
"Es besteht die Auffassung, dass die Nutzung sozialer Medien nicht gut für die psychische Gesundheit ist", sagte Schwartz, "aber es könnte sich als wichtiges Instrument zur Diagnose, Überwachung und eventuellen Behandlung herausstellen."
Die Ergebnisse werden in der Zeitschrift veröffentlicht Verfahren der Nationalen Akademie der Wissenschaften.
Quelle: Universität von Pennsylvania
