Η γλώσσα που χρησιμοποιείται στις αναρτήσεις στο Facebook, μπορεί να βοηθήσει να εντοπισθούν περιπτώσεις ατόμων με διάφορες παθήσεις, όπως διαβήτη, άγχος, κατάθλιψη και ψύχωση, σύμφωνα με μια νέα αμερικανική επιστημονική έρευνα. Ο τρόπος με τον οποίο γράφονται οι αναρτήσεις από τους χρήστες, θα μπορούσε να είναι δείκτης νόσου και, με τη συγκατάθεση του ασθενούς, να παρακολουθείται ακριβώς όπως τα σωματικά συμπτώματα.
Οι ερευνητές ανέλυσαν σε βάθος χρόνου όλες τις αναρτήσεις περίπου 1.000 ατόμων (που συναίνεσαν να συσχετισθούν αυτά τα δεδομένα με το ιατρικό ιστορικό τους) και δημιούργησαν τρία μοντέλα πρόβλεψης ασθενειών. Το ένα λάμβανε αποκλειστικά πληροφορίες από το Facebook, το δεύτερο μόνο δημογραφικά στοιχεία (ηλικία, φύλο κλπ) και το τρίτο συνδύαζε και τα δύο.
Τα αποτελέσματα της μελέτης που δημοσιεύτηκαν στο περιοδικό «PLOS ONE», δείχνουν ότι και οι 21 περιπτώσεις νόσων που εξέτασε η έρευνα, είναι δυνατό να προβλεφθούν από το Facebook, μάλιστα για τις δέκα από αυτές το Facebook ήταν καλύτερος προβλεπτικός παράγοντας από τα δημογραφικά στοιχεία.
Ενδεικτικά, φάνηκε πως οι λέξεις «μπουκάλι» και «πίνω» στις αναρτήσεις συνδέονται με υπερκατανάλωση αλκοόλ, ενώ άλλες λέξεις που φανερώνουν εχθρότητα, παραπέμπουν σε κατάχρηση ναρκωτικών ή ψύχωση. Πιο απρόσμενα, η αναφορά στις λέξεις «Θεός» ή «προσευχή» είναι 15 φορές πιθανότερο να «δείχνει» ανθρώπους με διαβήτη.
«Συχνά στα μέσα κοινωνικής δικτύωσης είναι εμφανείς οι επιλογές ζωής, οι εμπειρίες και τα συναισθήματα των ανθρώπων. Τέτοιου τύπου πληροφορίες μπορούν να συμβάλουν στην παροχή επιπλέον πληροφοριών για τους παράγοντες που επιδεινώνουν ή βελτιώνουν διάφορες ασθένειες», δήλωσε η επικεφαλής ερευνήτρια, αναπληρώτρια καθηγήτρια Ράινα Μέρτσαντ, διευθύντρια του Ιατρικού Κέντρου για την Ψηφιακή Υγεία στο Πανεπιστήμιο της Πενσιλβάνια.
«Πολλές είναι οι μέχρι τώρα έρευνες που δείχνουν τη σχέση μεταξύ της χρήσης συγκεκριμένων γλωσσικών όρων και ασθενειών, όπως η γλώσσα που προβλέπει την κατάθλιψη. Ωστόσο, αυτό που είναι σημαντικό, είναι η εύρεση σχέσεων μεταξύ αυτών των ιατρικών περιπτώσεων, κάτι που μπορεί να αποτελέσει αφετηρία για νέες εξελίξεις στον τομέα της τεχνητής νοημοσύνης», ανέφερε ο ‘Αντριου Σβαρτς, επίκουρος καθηγητής Επιστήμης Πληροφορικής και Υπολογιστών στα πανεπιστήμια Πενσιλβάνια και Στόνι Μπρουκ.
Μια περυσινή μελέτη των ίδιων ερευνητών (στην οποία βασίσθηκε η νέα έρευνα) είχε δείξει ότι μέσω των αναρτήσεων στα μέσα κοινωνικής δικτύωσης η κατάθλιψη μπορεί να διαγνωσθεί ακόμα και τρεις μήνες νωρίτερα από μια κλινική διάγνωση. Τέτοια στοιχεία αφήνουν, σύμφωνα με την δρ. Μέρτσαντ, περιθώρια για τη δημιουργία ενός συστήματος στα κοινωνικά δίκτυα που θα δίνει πληροφορίες για την υγεία των ανθρώπων στους ειδικούς, με στόχο την εξασφάλιση της βέλτιστης παροχής φροντίδας. Μένει να εξεταστεί αν η εφαρμογή αυτού του σχεδίου είναι εφικτή και κατά πόσο ο κόσμος θα δεχτεί να μοιραστεί τέτοιες πληροφορίες.
ΑΠΕ-ΜΠΕ
