Publicaciones de Facebook como herramientas predictivas de salud: detectan diabetes, depresión y más

Las publicaciones de Facebook por sí solas pueden predecir enfermedades como diabetes, depresión, ansiedad y psicosis.

Al igual que la información genómica, el contenido de redes sociales es capaz de personalizar la atención sanitaria.

Análisis de lenguaje y registros médicos

Más de 2.000 millones de personas comparten información sobre su vida cotidiana en plataformas de redes sociales, revelando a menudo su personalidad, sentimientos y demografía. Se espera que la cifra supere los 3.000 millones [usuarios activos mensuales] para 2021, alrededor de 1/3 de la población mundial.

Esta información contiene señales de salud útiles a nivel poblacional. Recientemente, investigadores de Penn Medicine y la Universidad de Stony Brook vincularon los historiales médicos electrónicos (EMR) de pacientes con sus datos de redes sociales para identificar marcadores de enfermedad.

El equipo incluyó 999 pacientes que aceptaron compartir sus historiales médicos e información de redes sociales. Analizaron aproximadamente 949.000 actualizaciones de estado de Facebook con más de 20 millones de palabras. Cada publicación de los participantes contenía un mínimo de 500 palabras.

Los investigadores usaron procesamiento de lenguaje natural —un subcampo de la IA centrado en interacciones entre lenguaje humano y computacional— para codificar el lenguaje de cada participante como una codificación de lenguaje de paciente de 700 dimensiones.

Luego categorizaron los diagnósticos del EMR de los participantes en 21 grupos basándose en la prevalencia dentro de la muestra y el Índice de Comorbilidad de Elixhauser.

En otras palabras, los investigadores analizaron los patrones de lenguaje [de las publicaciones de Facebook] —palabras, frases, grupos de palabras relacionadas— y su conexión con 21 categorías estándar de diagnósticos EMR.

En general, usaron tres modelos para examinar el poder predictivo para los pacientes:

1. El primer modelo analizó el lenguaje de las publicaciones de Facebook
2. El segundo usó datos demográficos como sexo y edad
3. El tercer modelo fusionó los dos conjuntos de datos

Referencia: PLOS ONE | DOI:10.1371/journal.pone.0215476 | Universidad de Stony Brook

Resultados

El contenido de Facebook mejoró sustancialmente la precisión de predicción en 18 de las 21 categorías de enfermedades. Resultó altamente eficiente prediciendo diabetes, embarazo, depresión, ansiedad, psicosis y otras condiciones de salud mental.

De hecho, 10 categorías fueron predichas más eficazmente por las publicaciones de Facebook que por factores demográficos tradicionales (sexo, edad y raza).

Los diagnósticos médicos vinculados con lenguaje de redes sociales codificado pueden servir como herramienta de cribado y usarse para elucidar la epidemiología de enfermedades.

Al igual que la información genómica, el contenido de redes sociales es capaz de personalizar la atención sanitaria. Al examinar varias condiciones médicas, los investigadores pueden entender mejor cómo estas condiciones se asocian entre sí, lo que puede permitir nuevas aplicaciones de IA para la medicina.

Para mejorar aún más los resultados, futuros estudios pueden comparar diferencias en datos de salud revelados por pacientes de diferentes poblaciones demográficas y en otras plataformas como Twitter.