Facebook帖子成健康预测工具:可检测糖尿病、抑郁症等
超20亿人在社交媒体分享日常生活,透露个性、情感、人口统计特征。宾夕法尼亚医学院和石溪大学研究者将患者电子病历(EMR)与社交媒体数据关联,识别疾病标记。研究纳入999名同意共享数据的患者,分析约94.9万条Facebook状态更新(超2000万词),每人至少500词。用自然语言处理将每人语言编码为700维患者语言向量,将诊断按流行度和Elixhauser共病指数分21类,分析语言模式与诊断关联。
使用三模型考察预测力:仅分析Facebook语言、仅用性别年龄等人口统计学、融合两者。结果显示,Facebook内容在21类疾病中18类显著提升预测准确度,对糖尿病、妊娠、抑郁、焦虑、精神病等心理健康状况预测极高效。10类疾病用Facebook帖子预测优于传统人口统计因素。编码后的社交媒体语言可作筛查工具,阐释疾病流行病学,像基因组信息一样实现医疗个性化。未来可比较不同人群、平台(如Twitter)的健康相关数据差异以改进结果。
参考文献:PLOS ONE | DOI:10.1371/journal.pone.0215476 | 石溪大学
延伸阅读:科学家发现并修复阿尔茨海默病遗传风险因子
工业技术
- 为维护管理者构建韧性健康安全计划
- Shop Floor Man漫画上线:用幽默连接制造业新生代
- 革命性智能手机算法实现精准疾病诊断
- AI从低分辨率卫星影像自动识别全球非正规居住区
- AI提前6年100%准确预测阿尔茨海默症:深度学习分析脑代谢
- 2020年Facebook核心数据35条:营销者与用户必读洞察
- 工业企业社媒选阵地:Facebook、LinkedIn、Twitter 差异化运营实战
- 制造商玩转Facebook:25亿用户池的低成本获客实战
- LinkedIn制造营销:6亿专业用户池的精准获客与雇主品牌建设
- FR-4 基材深度解析:PCB 设计中的理想场景与局限
- 互操作性详解:企业如何实现无缝集成
- 卡车司机身心健康全攻略:七大实操策略缓解职业压力