Analiza postów na Facebooku wystarcza, żeby stwierdzić, kto trafi do szpitala – dowodzą badacze z University of Pennsylvania

Czy to, co publikujemy w internecie zdradza nasz stan zdrowia? Badacze z University of Pennsylvania stworzyli sieć neuronową, która miała nauczyć się subtelnych zmian w używanym słownictwie, wyrażanych pozytywnych lub negatywnych emocji oraz pobudzenia lub przygnębienia – oraz związku tych zmian z późniejszą hospitalizacją.

Sieć analizowała aktywność na Facebooku z dziesięciu tygodni grupy niemal trzech tysięcy osób. Z tej liczby nieco ponad czterysta zostało później przyjętych do szpitala z różnych powodów (od bólu w klatce piersiowej po komplikacje ciąży).

Jak donoszą badacze w pracy opublikowanej w „Nature Scientific Reports”, niektóre facebookowe posty są czasem oczywistym zwiastunem tego, co nadejdzie. Na przykład mężczyzna przyjęty do szpitala z powodu problemów z krążeniem miesiąc przed tym zdarzeniem pisał, że zjadł cheeseburgera z frytkami. Ale, jak stwierdzili badacze, algorytmy widzą także subtelniejsze informacje, bowiem hospitalizacje zawsze poprzedzały zmiany używanego języka.

Gdy jesteśmy zdrowi, jesteśmy weselsi i używamy swobodniejszego języka. Gdy martwimy się naszym stanem zdrowia, język odzwierciedla nasz niepokój. Stajemy się też się przygnębieni, co również znajduje odbicie w słowach.

Sztuczna inteligencja wykorzystana przez badaczy potrafiła trafnie rozpoznać na tej podstawie, czy ktoś trafi do szpitala w mniej więcej dwóch trzecich przypadków: miesiące bez wizyty w szpitalu typowała trafnie w 70 proc. przypadków, miesiące zakończone hospitalizacją lub wizytą na oddziale ratunkowym w 64 procentach. Badacze wskazują, że nie odbiega to znacząco od prób przewidywania stanu zdrowia na podstawie samych danych medycznych, stosowanych przy przewidywaniu ryzyka ponownego przyjęcia do szpitala (tu różne algorytmy są skuteczne średnio 65-75 proc. przypadków).

Sztuczna inteligencja mogłaby wyszukiwać grupy podwyższonego ryzyka i informować lekarzy o stanie zdrowia pacjenta na podstawie jego postów na Facebooku

Naukowcy wskazują, że metody analizy języka mają tę przewagę nad analizowaniem innych danych na przykład pochodzących ze smartfonów, że prócz przewidywań stanu zdrowia pozwalają na lepszy wgląd w życie pacjenta. Tu oczywistym przykładem jest cheeseburger z frytkami, który świadczy o złej diecie (ta ma kluczowe znaczenie w zapobieganiu chorobom układu krążenia).

Wykorzystanie „nietradycyjnych źródeł cyfrowych” może, jak sugerują autorzy pracy, pozwolić na szybsze interwencje. To z kolei może ograniczyć koszty opieki medycznej.

Sztuczna inteligencja mogłaby wyszukiwać grupy podwyższonego ryzyka i informować lekarzy o stanie zdrowia pacjenta na podstawie jego postów na Facebooku. Lekarz mógłby skontaktować się z taką osobą i udzielić jej porad, które zapobiegłyby wizycie w szpitalu. Na przykład ktoś, kto pisze o gorączce mimo przyjmowania antybiotyków po operacji, mógłby zostać szybko przyjęty na wizytę kontrolną. W dobie pandemii koronawirusa można też sobie wyobrazić, że algorytm osobom, które pytają na Facebooku o objawy choroby COVID-19 lub uskarżają się na gorączkę lub kaszel przedstawia automatycznie rzetelne informacje ułatwiające wstępną diagnozę.

To wszystko, oczywiście, pod warunkiem, że system opieki zdrowotnej miałby dostęp do naszych mediów społecznościowych i wykorzystywał sztuczną inteligencję. Autorzy badania otwarcie przyznają, że ma ono istotne ograniczenie – wszystkie osoby objęte badaniem to pracownicy uczelni, którzy korzystali z tego samego systemu opieki zdrowotnej (było to prywatne ubezpieczenie). Próba osób także nie była reprezentatywna dla całej populacji.

Pozostaje także kwestia prywatności. Jak wynika z przytaczanych przez autorów pracy innych badań, że większość ludzi nie ma nic przeciwko udostępnianiu swoich prywatnych danych i wiązaniu ich z elektroniczną dokumentacją medyczną do celów badań naukowych. Istotne jest, by informować o tym, że personel medyczny nie ma dostępu do prywatnych danych i otrzymuje tylko wyniki analizy zagregowanych danych. O integracji danych prywatnych i medycznych do modeli predykcyjnych powinny zaś decydować zespoły złożone z lekarzy, specjalistów od przetwarzania danych, decydentów i etyków – przypominają badacze, powołując się na publikację w „Lancet Psychiatry”. Jej współautorem jest dr Michał Kosiński, z którym wywiad przeprowadziliśmy niedawno.

Jak piszą badacze z University of Pennsylvania, media społecznościowe są kopalnią wiedzy o naszym zdrowiu. Temu tematowi poświęcamy w nich między 15 a 25 procent wszystkich postów.

Skip to content