211service.com
Tweetene dine kan vise om du trenger hjelp for bipolar lidelse
Bipolar lidelse forårsaker perioder med alvorlig depresjon preget av perioder med forhøyet humør eller mani. Personer med tilstanden oppfører seg på ekstreme måter, og opplever ekstreme høydepunkter og hyperaktivitet etterfulgt av ødeleggende nedturer og sløvhet. Noen anslag tyder på at 30 prosent vil dø av selvmord.
En måte å forhindre den mest ekstreme atferden på er å oppdage symptomene mens de utvikler seg, men før de manifesterer seg fullstendig. Dette gjør at behandlingen kan starte tidlig. Så en måte å oppdage disse tidlige tegnene automatisk ville ha enorme implikasjoner for pasienter, deres familier og helsepersonell.
I dag sier Yen-Hao Huang og venner ved National Tsing Hua University i Taiwan at de har utviklet en måte å identifisere tidlige tegn på bipolar lidelse via sosiale medier. De sier metoden deres kan ha betydelige implikasjoner for måten potensielle pasienter vurderes på.
Utbruddet av bipolar lidelse er preget av symptomer som oversnakking, forstyrret søvn og raske humørsvingninger. Og det viser seg at mange lider deler detaljer om tilstanden deres, inkludert diagnosedatoer, på sosiale medier som Twitter.
Det ga forskerne en idé. Gitt at de kunne være sikre på at tweets var fra personer med en bipolar diagnose, hvilke atferdsmønstre kan de ha vist på forhånd?
For å finne det ut analyserte disse gutta rundt 10 000 tweets postet mellom 2006 og 2016 av mer enn 400 personer som hadde en diagnose av bipolar lidelse. De sammenlignet disse tweetene med de fra et tilsvarende antall personer som ble valgt tilfeldig, som fungerte som en kontrollgruppe.
Teamet sjekket postingsmønsteret over tid for å se hvordan det stemte overens med vanlige sovemønstre. De så på frekvensen av tweets for å måle hvor snakkesalig hver enkelt bruker var. De studerte typene ord som ble brukt i hver tweet for følelser og emosjonelt innhold.
De utviklet også et helt nytt fonologisk mål ved å regne ut den plosive energien til hvert ord som om det var stemt. Denne ideen var basert på tanken om at personer med tidlige tegn på bipolar lidelse bruker mer energirike ord.
Forskerne brukte deretter en skyvevindu-tilnærming for å se hvordan innholdet i hver persons Twitter-strøm endret seg over tid, spesielt når det nærmet seg poenget med en diagnose.
Til slutt trente teamet en maskinlæringsalgoritme for å bruke kombinasjoner av disse funksjonene for å skille mellom personer med og uten tidlige tegn på bipolar lidelse. De oppnådde en identifikasjonsnøyaktighet på mer enn 90 prosent.
Teamets nye mål på den fonologiske energien til hvert ord er spesielt bra. Ved ganske enkelt å bruke den fonologiske funksjonen med ren tekstensemblemodell, kan klassifikatoren oppnå mer enn 91 prosent presisjon, sier de.
Interessant nok kaller Huang og co denne tilnærmingen subconscious crowdsourcing. De påpeker at settet med tweets fra en person som lider av bipolar lidelse kan gi en rik strøm av informasjon om mental tilstand. Så disse menneskene gir ubevisst et datasett som kan utvinnes for informasjon.
Akkurat hvor mye mer informasjon som kan hentes på denne måten er ikke klart. Men bipolar lidelse er neppe den eneste mentale tilstanden som kan identifiseres.
Det er interessant arbeid som har potensial til å gi mennesker med bipolar lidelse behandlingen de trenger så snart det er mulig.
Våre eksperimentelle resultater viser at de foreslåtte modellene i stor grad kan bidra til regelmessige vurderinger av personer med bipolar lidelse, som er viktig i primærhelsetjenesten, sier de.
Og det burde minimere sjansene for ekstrem oppførsel som ellers kan resultere i det verst mulige utfallet.
Ref: arxiv.org/abs/1712.09183 : Påvisning av den prodromale fasen av bipolar lidelse fra psykologiske og fonologiske aspekter i sosiale medier