Peneliti Menggunakan AI yang Dilatih pada Data Facebook untuk Mendeteksi Tanda-Tanda Penyakit Mental

Sebuah kelompok peneliti baru-baru ini menerbitkan sebuah studi di Nature, mendetailkan upaya mereka untuk menggunakan data Facebook (META ) untuk mengidentifikasi kemungkinan penyakit psikiatris. Seperti dilaporkan oleh Wired, para peneliti dapat membuat model AI yang dapat memprediksi diagnosis penyakit mental berdasarkan pesan yang dikirim hingga 18 bulan sebelum diagnosis resmi dibuat.

Untuk membuat model prediktif, tim peneliti mengumpulkan data dari 223 relawan. Relawan tersebut setuju untuk memberikan akses kepada peneliti untuk pesan yang mereka kirim dan gambar yang mereka unggah. Para peneliti melatih model Random Forest pada fitur yang diekstrak dari pesan dan gambar yang dikumpulkan. Tujuan model tersebut adalah untuk menentukan apakah seorang partisipan memiliki diagnosis kesehatan mental, mengelompokkan kasus ke dalam diagnosis gangguan mood, spektrum skizofrenia, atau tidak ada diagnosis kesehatan mental.

Ketika para peneliti menganalisis hasilnya, mereka menemukan bahwa beberapa fitur yang berbeda berkorelasi dengan gangguan kesehatan mental. Ketika datang ke gambar, warna biru dikaitkan dengan diagnosis gangguan mood. Penggunaan kata-kata kasar umumnya menunjukkan penyakit mental, sedangkan kata-kata seperti mendengar, merasakan, dan melihat (kata-kata persepsi) dikaitkan dengan diagnosis skizofrenia.

Untuk menentukan keberhasilan model AI, para peneliti membandingkan hasil positif palsu dan hasil negatif palsu. Tim peneliti melaporkan bahwa tingkat keberhasilan mereka berkisar antara 0,65 hingga 0,77, dengan 1 sebagai skor yang sempurna dan 0,5 sebagai rata-rata keberhasilan model yang menebak secara acak. Semakin baru pesan tersebut, semakin baik keberhasilan model. Namun, bahkan ketika tim peneliti membatasi diri pada pesan yang dikirim lebih dari setahun sebelum diagnosis, model tersebut masih berperforma jauh lebih baik daripada kebetulan.

Hal yang menarik tentang tingkat akurasi ini adalah bahwa itu sebanding dengan akurasi PHQ-9. PHQ-9 adalah alat diagnostik yang digunakan untuk menyaring depresi, dengan mengajukan 10 pertanyaan kepada subjek tes. Jika model AI yang dilatih pada data Facebook dapat secara andal berperforma sebaik PHQ-9, maka itu dapat berpotensi digunakan sebagai alat diagnostik, melengkapi alat yang ada yang digunakan oleh klinisi.

Peneliti utama studi ini adalah asisten profesor di Feinstein Institutes for Medical Research di Manhasset, New York, Michael Birnbaum. Menurut Wired, alat AI yang menggunakan data media sosial memiliki potensi untuk membuat perbedaan besar dalam bagaimana penyakit psikiatris didiagnosis dan diobati. Seperti yang dikutip Birnbaum oleh Wired:

“Kami sekarang memahami ide bahwa kanker memiliki banyak tahap yang berbeda. Jika Anda menangkap kanker pada Tahap I, itu sangat berbeda dari jika Anda menangkapnya setelah itu telah menyebar. Dalam psikiatri, kita cenderung mulai bekerja dengan orang-orang setelah itu sudah menyebar. Tapi ada potensi untuk menangkap orang-orang lebih awal.”

Intinya, penyakit mental dapat mengambil bentuk yang berbeda pada waktu yang berbeda dan sumber data yang lebih bervariasi dapat membantu peneliti dan klinisi untuk menentukan kondisi kesehatan mental seseorang. Kelebihan menggunakan data media sosial adalah bahwa itu berfungsi sebagai catatan kontinu tentang pikiran dan perasaan seseorang. Data ini dapat digunakan untuk melengkapi wawancara panjang yang klinisi andalkan untuk mendiagnosis pasien.

Birnbaum berharap bahwa model AI berdasarkan data media sosial dapat membantu terapis dalam memantau pasien selama perawatan jangka panjang. Birnbaum menjelaskan bahwa terapis biasanya hanya mendapatkan “snapshot” dari kehidupan seseorang sekali sebulan atau lebih dan bahwa kemampuan untuk menggunakan data media sosial memungkinkan klinisi untuk mendapatkan pemahaman yang lebih lengkap dan representatif tentang tren dalam kehidupan seseorang. Birnbaum berharap bahwa dalam lima hingga sepuluh tahun, penggunaan data media sosial dalam penilaian kesehatan mental akan menjadi lebih umum.