Posts do Facebook como Ferramentas Preditivas de Saúde: Detectando Diabetes, Depressão e Mais

Mais de 2 bilhões de pessoas compartilham informações sobre suas vidas cotidianas em plataformas de mídia social, frequentemente revelando sua personalidade, sentimentos e demografia. O número deve chegar a mais de 3 bilhões [usuários ativos mensais de mídia social] até 2021, cerca de 1/3 de toda a população.

Tais informações contêm sinais de saúde úteis no nível populacional. Recentemente, pesquisadores da Penn Medicine e da Universidade Stony Brook vincularam registros médicos eletrônicos (EMR) de pacientes com seus dados de mídia social para identificar certos marcadores de doenças.

A equipe de pesquisa incluiu 999 pacientes que concordaram em compartilhar seus registros médicos e informações de mídia social. Analisaram aproximadamente 949.000 atualizações de status do Facebook contendo mais de 20 milhões de palavras. Cada postagem do participante continha no mínimo 500 palavras.

Os pesquisadores usaram processamento de linguagem natural — um subcampo da inteligência artificial preocupado com interações entre linguagens humanas (naturais) e de computador — para codificar a linguagem de cada participante como uma codificação de linguagem do paciente de 700 dimensões.

Então categorizaram os diagnósticos do EMR do participante em 21 grupos baseados na prevalência dentro da amostra e no Índice de Comorbidade de Elixhauser.

Em outras palavras, os pesquisadores analisaram os padrões de linguagem [dos posts do Facebook] — palavras, frases, grupos de palavras relacionadas — e sua conexão com 21 categorias padrão de diagnósticos do EMR.

No geral, usaram três modelos para examinar o poder preditivo para os pacientes:

1. O primeiro modelo analisou a linguagem do post do Facebook
2. O segundo usou dados demográficos como sexo e idade.
3. O terceiro modelo fundiu os dois conjuntos de dados.

Resultados

O conteúdo do Facebook melhorou substancialmente a precisão da previsão de 18 das 21 categorias de doenças. Mostrou-se altamente eficiente na previsão de diabetes, gravidez, depressão, ansiedade, psicoses e outras condições de saúde mental.

De fato, 10 categorias foram previstas mais efetivamente pelos posts do Facebook do que pelos fatores demográficos tradicionais (sexo, idade e raça).

Diagnósticos médicos vinculados à linguagem de mídia social codificada podem servir como ferramenta de triagem e ser usados para elucidar a epidemiologia de doenças.

Como informação genômica, o conteúdo de mídia social é capaz de personalizar cuidados de saúde. Ao examinar várias condições médicas, os pesquisadores podem entender melhor como essas condições estão associadas entre si, o que pode permitir novas aplicações para inteligência artificial na medicina.

Para melhorar ainda mais os resultados, estudos futuros podem comparar diferenças em dados relacionados à saúde divulgados por pacientes de diferentes populações demográficas e em outras plataformas como Twitter.