Des chercheurs en médecine de l'Université de Pennsylvanie ont découvert qu'il était possible de prédire les problèmes de santé à partir du contenu des publications sur les réseaux sociaux.
Les réseaux sociaux font désormais partie intégrante de nos vies. En 2019, au moins 2.7 milliards de personnes utilisaient régulièrement des plateformes en ligne comme Facebook, Twitter et Instagram. Cela signifie que plus d'un milliard d'individus partagent quotidiennement des informations sur leur vie sur ces plateformes publiques. Ils y partagent librement leurs pensées, leurs goûts, leurs sentiments et leur personnalité. Les scientifiques étudient si ces informations, générées en dehors du système de santé traditionnel , pourraient révéler d'éventuels facteurs prédictifs de maladies dans la vie quotidienne des patients , facteurs qui resteraient autrement invisibles pour le personnel soignant et les chercheurs. Des études antérieures ont montré comment Twitter peut prédire le taux de mortalité par maladies cardiaques ou suivre l'opinion publique sur des questions médicales telles que l'assurance maladie. Cependant, jusqu'à présent, les informations issues des réseaux sociaux n'ont pas été utilisées pour prédire les maladies au niveau individuel.
Une nouvelle étude publiée le 17 juin dans PLOS ONE a démontré pour la première fois le lien entre les dossiers médicaux électroniques de patients (ayant donné leur consentement) et leurs profils sur les réseaux sociaux. Les chercheurs ont cherché à déterminer, premièrement, si l'état de santé d'un individu peut être prédit à partir des propos tenus sur ses comptes de réseaux sociaux et, deuxièmement, si des marqueurs spécifiques de maladies peuvent être identifiés.
Les chercheurs ont utilisé une technique de collecte de données automatisée pour analyser l'historique complet de Facebook de 999 patients. Cela signifiait analyser un énorme 20 millions de mots dans environ 949,000 500 mises à jour de statut Facebook avec des messages contenant au moins 21 mots. Les chercheurs ont développé trois modèles pour faire des prédictions pour chaque patient. Le premier modèle analysait la langue des publications Facebook en identifiant des mots-clés. Le deuxième modèle a analysé les informations démographiques des patients comme leur âge et leur sexe. Le troisième modèle a combiné ces deux ensembles de données. Au total, XNUMX conditions médicales ont été examinées, notamment le diabète, l'anxiété, la dépression, l'hypertension, l'abus d'alcool, l'obésité et les psychoses.
L'analyse a révélé que les 21 affections médicales étaient prévisibles à partir des seules publications Facebook. De plus, pour 10 d'entre elles, les publications Facebook permettaient une meilleure prédiction que les données démographiques. Parmi les mots-clés les plus fréquents, on trouvait par exemple « boire », « ivre » et « bouteille », prédictifs d'abus d'alcool. Les personnes diabétiques utilisaient quant à elles 15 fois plus souvent des mots comme « Dieu », « prier » ou « famille ». Des termes comme « idiot » servaient d'indicateurs de toxicomanie et de psychose, tandis que des mots comme « douleur », « pleurs » et « larmes » étaient liés à une détresse émotionnelle. Le langage utilisé sur Facebook s'est avéré très efficace pour faire des prédictions, notamment concernant le diabète et les troubles de santé mentale tels que l'anxiété, la dépression et la psychose.
L'étude actuelle suggère qu'un système d'adhésion pour les patients pourrait être développé où les patients permettraient l'analyse de leurs publications sur les réseaux sociaux en donnant accès à ces informations aux cliniciens. Cette approche pourrait être très utile pour les personnes qui utilisent régulièrement les médias sociaux. Étant donné que les médias sociaux reflètent les pensées, la personnalité, l'état mental et les comportements de santé des gens, ces données pourraient être utilisées pour prédire l'apparition ou l'aggravation d'une maladie. En ce qui concerne les médias sociaux, la confidentialité, le consentement éclairé et la propriété des données seront cruciaux. Condenser et résumer le contenu des médias sociaux et faire des interprétations est l'objectif principal.
Cette étude pourrait ouvrir la voie au développement de nouvelles applications d'intelligence artificielle pour la prédiction des maladies. Les données issues des réseaux sociaux sont quantifiables et offrent de nouvelles perspectives pour évaluer les facteurs de risque comportementaux et environnementaux d'une maladie. L'ensemble des données issues des réseaux sociaux d'un individu est désigné sous le terme de « médiome social » (semblable au génome, qui désigne l'ensemble complet des gènes).
***
{Vous pouvez lire le document de recherche original en cliquant sur le lien DOI ci-dessous dans la liste des sources citées}
Sources)
Merchant RM et al. 2019. Évaluation de la prévisibilité des affections médicales à partir des publications sur les réseaux sociaux. PLOS ONE. 14 (6). https://doi.org/10.1371/journal.pone.0215476
