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

En gruppe forskere har nyligt offentliggjort en studie i Nature, der detaljerer deres forsøg på at bruge Facebook-data til at identificere mulige psykiatriske sygdomme. Ifølge Wired var forskerne i stand til at konstruere 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 oprette den prædiktive model samlede 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 var udtrukket fra de indsamlede beskeder og billeder. Modellens mål var at bestemme, om en deltager havde en mental sundhedsdiagnose, hvor instanser blev grupperet i humørforstyrrelsesdiagnoser, skizofrenispektrumdiagnoser eller ingen mental sundhedsdiagnose.

Når forskerne analyserede resultaterne, fandt de, at flere forskellige funktioner var korreleret med mental 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 mere end et år før en diagnose, fungerede modellen stadig 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 det stiller testpersonen 10 spørgsmål. Hvis en AI-model trænet på Facebook-data kan pålideligt fungere lige så godt som PHQ-9, kan den potentielt bruges som et diagnostisk værktøj og supplere de eksisterende værktøjer, som klinikerne bruger.

Studiets leder, Michael Birnbaum, var adjunktprofessor ved Feinstein Institutes for Medical Research i Manhasset, New York. 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 dramatisk anderledes end hvis du fanger det, når det metastaserer. I psykiatri har vi en tendens til at begynde at arbejde med mennesker, når det allerede er metastaseret. Men der er potentialet for at fange mennesker tidligere.”

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

Birnbaum forventer, at AI-modeller baseret på sociale medie-data kan hjælpe terapeuter med at overvåge patienter over længere tid under behandlingen. 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 brugen af sociale medie-data i mental sundheds vurdering vil blive mere almindelig inden for fem til ti år.