Forskere bruger AI trænet på Facebook-data til at registrere tegn på mental sygdom

En gruppe forskere har nyligt publiceret en studie i Nature, der detaljerer deres forsøg på at bruge Facebook-data til at identificere mulige psykiatriske sygdomme. Som rapporteret af Wired, kunne forskerne opbygge en AI-model, der kan forudsige en diagnose af en mental sygdom baseret på beskeder sendt op til 18 måneder før diagnosen blev officielt fastsat.

For at opbygge den prædiktive model, indsamlede forskerholdet data fra 223 frivillige. Frivillige gav forskerne adgang til beskeder, de havde sendt, og billeder, de havde lagt op. Forskerne trænede en Random Forest-model på funktioner, der blev udtrukket fra de indsamlede beskeder og billeder. Modellens mål var at bestemme, om en deltager havde en psykisk sundhedsdiagnose, og grupperede eksempler i humørforstyrrelsesdiagnoser, skizofrenispektrumdiagnoser eller ingen psykisk sundhedsdiagnose.

Når forskerne analyserede resultaterne, fandt de, at flere forskellige funktioner var korreleret med psykiske sundhedsforstyrrelser. Når det kom til billeder, var blå farver associeret med en diagnose af humørforstyrrelser. Høj brug af bandeord var generelt indikativ for mental sygdom, mens ord som høre, føle og se (perceptionord) var associeret med en diagnose af skizofreni.

For at bestemme AI-modellens succes, sammenlignede forskerne falske positiver og falske negativer. Forskerholdet rapporterede, at deres succesrate lå mellem 0,65 og 0,77, hvor 1 er en perfekt score, og 0,5 er den gennemsnitlige succes for en model, der tilfældigt gætter. Jo mere nylige beskederne var, desto bedre var modellens succes. Men selv når forskerholdet begrænsede sig til beskeder, der var dateret til over et år før en diagnose, fungerede modellen stadig meget bedre end tilfældigt.

Det interessante ved denne niveau af nøjagtighed er, at det er omtrent lig med nøjagtigheden af PHQ-9. PHQ-9 er et diagnostisk værktøj, der bruges til at screene for depression, og som stiller testpersonen 10 spørgsmål. Hvis en AI-model trænet på Facebook-data kan pålideligt fungere lige så godt som PHQ-9, kunne den potentielt bruges som et diagnostisk værktøj, der supplerer de eksisterende værktøjer, som klinikerne bruger.

Studiets ledende forsker var en adjunktprofessor ved Feinstein Institutes for Medical Research i Manhasset, New York, Michael Birnbaum. Ifølge Wired har AI-værktøjer, der bruger sociale medie-data, potentialet for at gøre en stor forskel i, hvordan psykiatriske sygdomme diagnosticeres og behandles. Som Birnbaum citeres af Wired:

“Vi forstår nu denne idé, at kræft har mange forskellige stadier. Hvis du fanger kræft i stadium I, er det drastisk anderledes end hvis du fanger det, når det har metastaseret. I psykiatri har vi en tendens til at starte med at arbejde med mennesker, når det allerede er metastaseret. Men der er potentialet for at fange mennesker tidligere.”

Essentieligt set kan mentale sygdomme tage forskellige former på forskellige tidspunkter, og mere varierede kilder af data kan hjælpe forskere og klinikerne med at triangulere en persons mentale sundhedsstatus. Fordelen ved at bruge sociale medie-data er, at det fungerer som en kontinuerlig optegnelse af en persons tanker og følelser. Denne data kunne bruges til at supplere de lange interviews, som klinikerne afhænger af for at diagnosticere en patient.

Birnbaum forventer, at AI-modeller baseret på sociale medie-data kan hjælpe terapeuter med at overvåge patienter over den lange behandlingsperiode. Birnbaum forklarede, at terapeuter typisk kun får et “snapshot” af en persons liv en gang om måneden eller så, og at evnen til at bruge sociale medie-data giver klinikerne en mere komplet og repræsentativ forståelse af tendenserne i en persons liv. Birnbaum håber, at inden for fem til ti år vil brugen af sociale medie-data i mental sundheds vurdering blive mere almindelig.