211service.com
Je tweets kunnen laten zien of je hulp nodig hebt voor een bipolaire stoornis
Bipolaire stoornis veroorzaakt perioden van ernstige depressie, onderbroken door perioden van verhoogde stemming of manie. Mensen met de aandoening gedragen zich op extreme manieren, ervaren extreme hoogtepunten en hyperactiviteit, gevolgd door verwoestende dieptepunten en lethargie. Sommige schattingen suggereren dat 30 procent zal sterven door zelfmoord.
Een manier om het meest extreme gedrag te voorkomen, is door de symptomen op te merken terwijl ze zich ontwikkelen, maar voordat ze zich volledig manifesteren. Hierdoor kan de behandeling vroeg beginnen. Dus een manier om deze vroege tekenen automatisch te herkennen, zou enorme gevolgen hebben voor patiënten, hun families en zorgverleners.
Vandaag zeggen Yen-Hao Huang en vrienden van de National Tsing Hua University in Taiwan dat ze een manier hebben ontwikkeld om de vroege tekenen van een bipolaire stoornis te identificeren via sociale media. Ze zeggen dat hun methode belangrijke implicaties kan hebben voor de manier waarop potentiële patiënten worden beoordeeld.
Het begin van een bipolaire stoornis wordt gekenmerkt door symptomen zoals overpraten, verstoorde slaap en snelle stemmingswisselingen. En het blijkt dat veel patiënten details over hun aandoening delen, inclusief hun diagnosedata, op sociale-mediaplatforms zoals Twitter.
Dat bracht de onderzoekers op een idee. Gezien het feit dat ze er zeker van konden zijn dat tweets afkomstig waren van mensen met een bipolaire diagnose, welke gedragspatronen zouden ze dan van tevoren hebben aangetoond?
Om daar achter te komen, analyseerden deze jongens zo'n 10.000 tweets die tussen 2006 en 2016 werden gepost door meer dan 400 mensen met de diagnose bipolaire stoornis. Ze vergeleken deze tweets met die van een vergelijkbaar aantal willekeurig gekozen mensen, die als controlegroep fungeerden.
Het team controleerde het postpatroon in de loop van de tijd om te zien hoe het overeenkwam met normale slaappatronen. Ze keken naar de frequentie van tweets om te peilen hoe spraakzaam elke gebruiker was. Ze bestudeerden de soorten woorden die in elke tweet werden gebruikt voor sentiment en emotionele inhoud.
Ze ontwikkelden ook een geheel nieuwe fonologische maatstaf door de plosieve energie van elk woord uit te werken alsof het werd geuit. Dit idee was gebaseerd op de gedachte dat mensen met vroege tekenen van een bipolaire stoornis meer energieke woorden gebruiken.
De onderzoekers gebruikten vervolgens een benadering met een glijdend venster om te zien hoe de inhoud van de Twitter-stream van elke persoon in de loop van de tijd veranderde, vooral toen het het punt van een diagnose naderde.
Ten slotte heeft het team een machine learning-algoritme getraind om combinaties van deze functies te gebruiken om onderscheid te maken tussen mensen met en zonder vroege tekenen van een bipolaire stoornis. Ze behaalden een identificatienauwkeurigheid van meer dan 90 procent.
De nieuwe maatstaf van het team voor de fonologische energie van elk woord is bijzonder goed. Door simpelweg de fonologische functie te gebruiken met het pure tekstensemble-model, kan de classifier een nauwkeurigheid van meer dan 91 procent bereiken, zeggen ze.
Interessant is dat Huang en co deze benadering onderbewuste crowdsourcing noemen. Ze wijzen erop dat de reeks tweets van een persoon met een bipolaire stoornis een rijke stroom aan informatie over de mentale toestand kan opleveren. Dus deze mensen leveren onbewust een dataset die kan worden gedolven voor informatie.
Hoeveel meer informatie op deze manier kan worden verzameld, is niet duidelijk. Maar het is onwaarschijnlijk dat bipolaire stoornis de enige mentale toestand is die kan worden geïdentificeerd.
Dat is interessant werk dat het potentieel heeft om mensen met een bipolaire stoornis de behandeling te geven die ze nodig hebben zodra het haalbaar is.
Onze experimentele resultaten tonen aan dat de voorgestelde modellen een grote bijdrage kunnen leveren aan de regelmatige beoordelingen van mensen met een bipolaire stoornis, wat belangrijk is in de eerstelijnszorg, zeggen ze.
En dat zou de kans op extreem gedrag, dat anders tot de slechtst mogelijke uitkomst zou kunnen leiden, moeten minimaliseren.
Referentie: arxiv.org/abs/1712.09183 : Detectie van de prodromale fase van een bipolaire stoornis van psychologische en fonologische aspecten in sociale media