Les publications Facebook comme outils prédictifs de santé : détection du diabète, dépression et plus

Les publications Facebook seules peuvent prédire des maladies comme le diabète, la dépression, l'anxiété et les psychoses. Comme l'information génomique, le contenu des médias sociaux est capable de personnaliser les soins de santé.

Plus de 2 milliards de personnes partagent des informations sur leur vie quotidienne sur les plateformes de médias sociaux, révélant souvent leur personnalité, leurs sentiments et leurs données démographiques. Le nombre devrait atteindre plus de 3 milliards [utilisateurs actifs mensuels des médias sociaux] d'ici 2021, soit environ 1/3 de la population entière.

De telles informations contiennent des signaux de santé utiles au niveau de la population. Récemment, des chercheurs de Penn Medicine et de l'université Stony Brook ont lié les dossiers médicaux électroniques (DME) des patients à leurs données de médias sociaux pour identifier certains marqueurs de maladie.

L'équipe de recherche comprenait 999 patients qui ont accepté de partager leurs dossiers médicaux et leurs informations de médias sociaux. Ils ont analysé environ 949 000 mises à jour de statut Facebook contenant plus de 20 millions de mots. Chaque publication de participant contenait un minimum de 500 mots.

Les chercheurs ont utilisé le traitement du langage naturel — un sous-domaine de l'intelligence artificielle concerné par les interactions entre le langage humain (naturel) et les langages informatiques — pour encoder le langage de chaque participant comme un encodage de langage patient à 700 dimensions.

Ils ont ensuite catégorisé les diagnostics des DME des participants en 21 groupes basés sur la prévalence au sein de l'échantillon et l'indice de comorbidité d'Elixhauser.

En d'autres termes, les chercheurs ont analysé les motifs de langage [des publications Facebook] — mots, phrases, groupes de mots liés — et leur lien avec 21 catégories standard de diagnostics DME.

Dans l'ensemble, ils ont utilisé trois modèles pour examiner la puissance prédictive pour les patients :

1. Le premier modèle a analysé le langage des publications Facebook
2. Le second a utilisé des données démographiques comme le sexe et l'âge.
3. Le troisième modèle a fusionné les deux ensembles de données.

Référence : PLOS ONE | DOI:10.1371/journal.pone.0215476 | Stony Brook University

Résultats

Le contenu Facebook a considérablement amélioré la précision de la prédiction de 18 des 21 catégories de maladies. Il s'est avéré très efficace pour prédire le diabète, la grossesse, la dépression, l'anxiété, les psychoses et d'autres troubles de santé mentale.

En fait, 10 catégories étaient prédites plus efficacement par les publications Facebook que par les facteurs démographiques traditionnels (sexe, âge et race).

Les diagnostics médicaux liés au langage des médias sociaux encodé peuvent servir d'outil de dépistage et être utilisés pour élucider l'épidémiologie des maladies.

Comme l'information génomique, le contenu des médias sociaux est capable de personnaliser les soins de santé. En examinant plusieurs conditions médicales, les chercheurs peuvent mieux comprendre comment ces conditions sont associées entre elles, ce qui peut permettre de nouvelles applications de l'intelligence artificielle pour la médecine.

Pour améliorer davantage les résultats, de futures études peuvent comparer les différences dans les données liées à la santé divulguées par des patients de différentes populations démographiques et sur d'autres plateformes comme Twitter.