211service.com
Dina tweets kan visa om du behöver hjälp för bipolär sjukdom
Bipolär sjukdom orsakar perioder av svår depression som avbryts av perioder av förhöjt humör eller mani. Människor med tillståndet beter sig på extrema sätt, upplever extrema toppar och hyperaktivitet följt av förödande dalar och letargi. Vissa uppskattningar tyder på att 30 procent kommer att dö av självmord.
Ett sätt att förhindra de mest extrema beteenden är att upptäcka symptomen när de utvecklas men innan de visar sig helt. Detta gör att behandlingen kan börja tidigt. Så ett sätt att upptäcka dessa tidiga tecken automatiskt skulle få enorma konsekvenser för drabbade, deras familjer och vårdgivare.
Idag säger Yen-Hao Huang och kompisar vid National Tsing Hua University i Taiwan att de har utvecklat ett sätt att identifiera de tidiga tecknen på bipolär sjukdom via sociala medier. De säger att deras metod kan ha betydande konsekvenser för hur potentiella patienter bedöms.
Uppkomsten av bipolär sjukdom kännetecknas av symtom som övertalande, störd sömn och snabba humörsvängningar. Och det visar sig att många drabbade delar detaljer om sitt tillstånd, inklusive deras diagnosdatum, på sociala medieplattformar som Twitter.
Det gav forskarna en idé. Med tanke på att de kunde vara säkra på att tweets var från personer med en bipolär diagnos, vilka beteendemönster kan de ha visat i förväg?
För att ta reda på det analyserade dessa killar cirka 10 000 tweets som postades mellan 2006 och 2016 av mer än 400 personer som hade diagnosen bipolär sjukdom. De jämförde dessa tweets med de från ett liknande antal slumpmässigt utvalda personer, som fungerade som en kontrollgrupp.
Teamet kollade inläggsmönstret över tid för att se hur det matchade normala sömnmönster. De tittade på frekvensen av tweets för att bedöma hur talande varje användare var. De studerade vilka typer av ord som används i varje tweet för känslor och känslomässigt innehåll.
De utvecklade också ett helt nytt fonologiskt mått genom att räkna ut den plosiva energin i varje ord som om det vore uttryckt. Denna idé baserades på tanken att personer med tidiga tecken på bipolär sjukdom använder mer energirika ord.
Forskarna använde sedan ett skjutfönster för att se hur innehållet i varje persons Twitter-ström förändrades över tiden, särskilt när det närmade sig punkten för en diagnos.
Slutligen tränade teamet en maskininlärningsalgoritm för att använda kombinationer av dessa funktioner för att skilja mellan personer med och utan tidiga tecken på bipolär sjukdom. De uppnådde en identifieringsnoggrannhet på mer än 90 procent.
Teamets nya mått på den fonologiska energin för varje ord är särskilt bra. Genom att helt enkelt använda den fonologiska egenskapen med ren textensemblemodell kan klassificeraren uppnå mer än 91 procent precision, säger de.
Intressant nog kallar Huang och co detta tillvägagångssätt för undermedveten crowdsourcing. De påpekar att uppsättningen tweets från en person som lider av bipolär sjukdom kan ge en rik ström av information om mentalt tillstånd. Så dessa människor tillhandahåller undermedvetet en datamängd som kan brytas för information.
Hur mycket mer information som kan samlas in på detta sätt är inte klart. Men bipolär sjukdom är sannolikt inte det enda mentala tillståndet som kan identifieras.
Det är intressant arbete som har potential att ge människor med bipolär sjukdom den behandling de behöver så snart det är möjligt.
Våra experimentella resultat visar att de föreslagna modellerna i hög grad kan bidra till de regelbundna bedömningarna av personer med bipolär sjukdom, vilket är viktigt i primärvården, säger de.
Och det borde minimera risken för extrema beteenden som annars skulle kunna resultera i värsta möjliga resultat.
Ref: arxiv.org/abs/1712.09183 : Detektion av den prodromala fasen av bipolär sjukdom från psykologiska och fonologiska aspekter i sociala medier