మెడికల్ యూనివర్సిటీ ఆఫ్ పెన్సిల్వేనియా శాస్త్రవేత్తలు సోషల్ మీడియా పోస్ట్‌లలోని విషయాల నుండి వైద్య పరిస్థితులను అంచనా వేయవచ్చని కనుగొన్నారు.
సోషల్ మీడియా ఇప్పుడు మన జీవితంలో అంతర్భాగం. 2019లో కనీసం 2.7 బిలియన్లు ప్రజలు Facebook, Twitter మరియు Instagram వంటి ఆన్‌లైన్ సోషల్ మీడియా ప్లాట్‌ఫారమ్‌లను క్రమం తప్పకుండా ఉపయోగిస్తుంది. ఈ పబ్లిక్ ప్లాట్‌ఫారమ్‌లలో ప్రతిరోజూ ఒక బిలియన్ కంటే ఎక్కువ మంది వ్యక్తులు తమ జీవితాల గురించి సమాచారాన్ని పంచుకుంటున్నారని దీని అర్థం. ప్రజలు తమ ఆలోచనలు, ఇష్టాలు మరియు అయిష్టాలు, మనోభావాలు మరియు వ్యక్తిత్వాలను స్వేచ్ఛగా పంచుకుంటారు. శాస్త్రవేత్తలు ఈ సమాచారం వెలుపల ఉత్పత్తి చేయబడిందా అని అన్వేషిస్తున్నారు క్లినికల్ ఆరోగ్య సంరక్షణ వ్యవస్థ, రోజువారీ జీవితంలో సాధ్యమయ్యే వ్యాధిని అంచనా వేయగలదు రోగులు ఇది లేకుంటే ఆరోగ్య సంరక్షణ సిబ్బందికి మరియు పరిశోధకులకు దాచబడవచ్చు. మునుపటి అధ్యయనాలు ట్విట్టర్ గుండె జబ్బుల మరణాల రేటును ఎలా అంచనా వేయగలదో లేదా బీమా వంటి వైద్య సంబంధిత సమస్యలపై ప్రజల మనోభావాలను ఎలా పర్యవేక్షించగలదో చూపించాయి. అయినప్పటికీ, వ్యక్తిగత స్థాయిలో వైద్య పరిస్థితులను అంచనా వేయడానికి సోషల్ మీడియా సమాచారం ఇప్పటివరకు ఉపయోగించబడలేదు.
ఒక కొత్త అధ్యయనం జూన్ 17న ప్రచురించబడింది PLOS ONE వారి సోషల్ మీడియా ప్రొఫైల్‌లతో రోగుల (వారి సమ్మతి ఇచ్చిన) ఎలక్ట్రానిక్ మెడికల్ రికార్డ్‌లను లింక్ చేయడాన్ని మొదటిసారి చూపించింది. పరిశోధకుల లక్ష్యం - మొదటిది, వినియోగదారు యొక్క సోషల్ మీడియా ఖాతా(ల)లో పోస్ట్ చేయబడిన భాష నుండి ఒక వ్యక్తి యొక్క వైద్య పరిస్థితులను అంచనా వేయవచ్చా మరియు రెండవది, నిర్దిష్ట వ్యాధి గుర్తులను గుర్తించగలిగితే.
999 మంది రోగుల పూర్తి Facebook చరిత్రను విశ్లేషించడానికి పరిశోధకులు ఆటోమేటెడ్ డేటా సేకరణ సాంకేతికతను ఉపయోగించారు. దీని అర్థం కనీసం 20 పదాలను కలిగి ఉన్న పోస్ట్‌లతో దాదాపు 949,000 Facebook స్థితి నవీకరణలలో 500 మిలియన్ పదాలను విశ్లేషించడం. ప్రతి రోగికి అంచనాలు వేయడానికి పరిశోధకులు మూడు నమూనాలను అభివృద్ధి చేశారు. మొదటి మోడల్ కీలకపదాలను గుర్తించడం ద్వారా Facebook పోస్ట్‌ల భాషను విశ్లేషించింది. రెండవ మోడల్ రోగి యొక్క వయస్సు మరియు లింగం వంటి జనాభా సమాచారాన్ని విశ్లేషించింది. మూడవ మోడల్ ఈ రెండు డేటాసెట్లను మిళితం చేసింది. మధుమేహం, ఆందోళన, డిప్రెషన్, హైపర్‌టెన్షన్, ఆల్కహాల్ దుర్వినియోగం, ఊబకాయం, మానసిక రుగ్మతలతో సహా మొత్తం 21 వైద్య పరిస్థితులను పరిశీలించారు.
ఫేస్‌బుక్ పోస్ట్‌ల ద్వారానే మొత్తం 21 వైద్య పరిస్థితులను ఊహించవచ్చని విశ్లేషణలో తేలింది. మరియు, ఫేస్‌బుక్ పోస్ట్‌ల ద్వారా జనాభా గణాంకాల కంటే 10 పరిస్థితులు మెరుగ్గా అంచనా వేయబడ్డాయి. ప్రముఖ కీలక పదాలు, ఉదాహరణకు, మద్యం దుర్వినియోగాన్ని అంచనా వేసే 'డ్రింక్', 'డ్రంక్' మరియు 'బాటిల్' మరియు 'గాడ్' లేదా 'ప్రే' లేదా 'కుటుంబం' వంటి పదాలు మధుమేహం ఉన్న వ్యక్తులు 15 రెట్లు ఎక్కువగా ఉపయోగించబడతాయి. 'మూగ' వంటి పదాలు మాదకద్రవ్యాల దుర్వినియోగం మరియు సైకోసిస్‌కు సూచికలుగా పనిచేస్తాయి మరియు 'నొప్పి', 'ఏడుపు' మరియు 'కన్నీళ్లు' వంటి పదాలు మానసిక క్షోభతో ముడిపడి ఉన్నాయి. వ్యక్తులు ఉపయోగించే Facebook భాష అంచనాలను రూపొందించడంలో చాలా ప్రభావవంతంగా ఉంది - ముఖ్యంగా మధుమేహం మరియు మానసిక గురించి ఆరోగ్య ఆందోళన, డిప్రెషన్ మరియు సైకోసిస్‌తో సహా పరిస్థితులు.
ప్రస్తుత అధ్యయనం రోగుల కోసం ఆప్ట్-ఇన్ సిస్టమ్‌ను అభివృద్ధి చేయవచ్చని సూచిస్తుంది, ఇక్కడ రోగులు వారి సోషల్ మీడియా పోస్ట్‌ల విశ్లేషణను వైద్యులకు ఈ సమాచారాన్ని యాక్సెస్ చేయడం ద్వారా అనుమతించారు. సోషల్ మీడియాను మామూలుగా ఉపయోగించే వ్యక్తులకు ఈ విధానం అత్యంత విలువైనది కావచ్చు. సోషల్ మీడియా ప్రజల ఆలోచనలు, వ్యక్తిత్వం, మానసిక స్థితి మరియు ఆరోగ్య ప్రవర్తనలను ప్రతిబింబిస్తుంది కాబట్టి, ఈ డేటా వ్యాధి యొక్క ఆగమనం లేదా తీవ్రతరం అవుతుందని అంచనా వేయడానికి ఉపయోగించవచ్చు. సోషల్ మీడియాకు సంబంధించిన చోట, గోప్యత, సమాచార సమ్మతి మరియు డేటా యాజమాన్యం కీలకం కానున్నాయి. సోషల్ మీడియా కంటెంట్‌ను సంగ్రహించడం మరియు సంగ్రహించడం మరియు వివరణలు చేయడం ప్రాథమిక లక్ష్యం.
ప్రస్తుత అధ్యయనం కొత్త అభివృద్ధికి దారి తీస్తుంది కృత్రిమ మేధస్సు వైద్య పరిస్థితులను అంచనా వేయడానికి అప్లికేషన్లు. సోషల్ మీడియా డేటా లెక్కించదగినది మరియు వ్యాధి యొక్క ప్రవర్తనా మరియు పర్యావరణ ప్రమాద కారకాలను అంచనా వేయడానికి కొత్త మార్గాలను అందిస్తుంది. ఒక వ్యక్తి యొక్క సోషల్ మీడియా డేటాను 'సోషల్ మీడియోమ్'గా సూచిస్తారు (జన్యువు వలె - పూర్తి జన్యువుల సమితి).
***
{ఉదహరించబడిన మూలం(ల) జాబితాలో దిగువ ఇవ్వబడిన DOI లింక్‌ను క్లిక్ చేయడం ద్వారా మీరు అసలు పరిశోధనా పత్రాన్ని చదవవచ్చు}
మూల (లు)
వ్యాపారి RM మరియు ఇతరులు. 2019. సోషల్ మీడియా పోస్ట్‌ల నుండి వైద్య పరిస్థితుల అంచనాను అంచనా వేయడం. PLOS వన్. 14 (6). https://doi.org/10.1371/journal.pone.0215476
