社交媒体能预测抑郁症？怎么做到的？！

　　前段时间，宾夕法尼亚大学医学院的研究人员提出一项新的发现，Facebook帖子中的语言可能有助于识别患者的糖尿病，焦虑，抑郁和精神病等病症。据认为，帖子中的语言可能是疾病的指标，并且在患者同意的情况下，可以像身体症状一样进行监测。该研究发表于PLOS ONE。

　　研究人员使用自动数据收集技术，分析了近1000名同意将自己的电子病历数据与个人资料连接起来的患者在Facebook上的全部发帖历史。然后，研究人员建立了三个模型来分析它们对患者的预测能力：

　　一个模型只分析Facebook上的帖子语言；

　　另一个模型使用人口统计学数据进行分析，如年龄和性别等；

　　最后一个模型结合了这两个数据集。

　　研究人员发现所有21种情况都可以从Facebook上单独预测。通过使用Facedbook数据而不是人口统计学数据，可以更好地预测其中的10个条件。

　　一些被发现比人口统计学数据更具预测性的Facebook数据似乎很直观。例如，提到“饮酒”、“醉”或“酒瓶”的帖子被标记为酗酒。然而，其他人并不那么容易。例如，在他们的帖子中最常提到宗教语言如“上帝”或“祈祷”的人患糖尿病的可能性比那些使用这些术语的人少15倍。此外，表达敌意的词语，如“哑巴”和一些脏话可以作为药物滥用和精神疾病的指标。

　　“我们的数字语言捕获了我们生活中强大的方面，可能与通过传统医学数据获得的方面截然不同”该研究的资深作者Andrew Schwartz博士说，他是宾夕法尼亚大学计算机与信息科学的助理教授，助理石溪大学计算机科学教授。“现在许多研究表明语言模式与特定疾病之间存在联系，例如预测抑郁症的语言可以深入了解某人是否患有癌症。但是，通过观察许多疾病，我们可以了解疾病的情况。相互关联，可以使人工智能的新应用成为可能。”

　　这项研究还处于早期阶段，但研究人员希望从这些帖子中收集到的信息能够更好地告知患者他们的健康状况。因为人们的个性、心理状态和日常行为很大程度会反映在他们的社交媒体上，而且都对健康有巨大的影响。

　　去年，这个研究小组的许多成员表明，对Facebook帖子的分析可以预测抑郁症的诊断，相较临床诊断早三个月。这项工作建立在该研究的基础上，并表明，有潜力为患者开发一个选择加入系统，该系统可以分析他们的社交媒体帖子，并为临床医生提供信息，以提供护理。Merchant教授举例说：“例如，如果有人想减肥，需要了解他们的饮食选择和锻炼方案，让医疗服务提供者查看他们的社交媒体记录，可能会让他们更深入地了解自己的日常生活模式，从而提出针对性的改善方案。”今年晚些时候，Merchant将进行一项大型试验，要求患者直接与其医疗保健提供者分享社交媒体内容。这将探讨管理这些数据并应用它是否可行，以及有多少患者实际上同意他们的帐户用于补充积极护理。

　　然而，我国研究人员于2018年6月做过一项研究，通过考察微博上抑郁症患者所呈现的形象，并通过与抑郁症患者的现实形象进行对比，揭示了两者之间存在的一致性与差异性。

　　抑郁症患者在网络上所呈现的形象 ：

　　以生活在城市的人群为主体，年龄层整体低于45岁，且女性患病率整体高于男性。抑郁症患者有较强的就医意识，会较为主动的寻求专业医生的帮助并配合进行多种治疗。大众整体对抑郁症有较高的关注，并会注意自身心理健康，虽然认为抑郁症患者多会因疾病造成负面情绪和消极做法，但对其多持支持、接纳的正面态度。

　　网络背景下的抑郁症患者形象在分布的年龄层次、性别以及抑郁症本身的患病率、分类等基本信息方面基本一致，但在以下几个方面有所出入 ：首先，抑郁症的就医率和自杀率，具体表现为夸大就医率及自杀率。其次，在对抑郁症病理界定方面，媒体呈现出公众对抑郁症定性为精神疾病或心理疾病的景象，但在实际生活中，仍有近半数公众认为抑郁症并非疾病，这体现出公众对抑郁症的相关知识的认知虽有提高但仍有很大不足。最后，在对待抑郁症患者态度层面，媒体上多以接纳、支持、同情的态度呈现，但现实生活中与此相悖，这表明大多数公众仍与抑郁症患者保持一定社会距离。

　　因而，研究人员提醒，社交媒体预测词不一定是因果机制。尽管如此，社交媒体在一定程度上确实具有预测价值，并可能为个性化医疗带来新的可能性。