Onderzoekers gebruiken AI getraind op Facebook-gegevens om tekenen van geestesziekten te detecteren

Een groep onderzoekers heeft onlangs een studie in Nature gepubliceerd, waarin zij hun pogingen beschrijven om Facebook-gegevens te gebruiken om mogelijke psychiatrische aandoeningen te identificeren. Volgens Wired konden de onderzoekers een AI-model bouwen dat met succes een diagnose van een geestesziekte kan voorspellen op basis van berichten die tot 18 maanden voor de officiële diagnose zijn verstuurd.

Om het voorspellende model te creëren, verzamelde het onderzoeksteam gegevens van 223 vrijwilligers. De vrijwilligers gaven toestemming om toegang te geven tot berichten die zij hadden verstuurd en afbeeldingen die zij hadden gepost. De onderzoekers trainden een Random Forest-model op kenmerken die waren geëxtraheerd uit de verzamelde berichten en afbeeldingen. Het doel van de modellen was om te bepalen of een deelnemer een geestelijke gezondheidsdiagnose had, waarbij instanties werden gegroepeerd in stemmingstoornisdiagnoses, schizofreniespectrumdiagnoses of geen geestelijke gezondheidsdiagnose.

Toen de onderzoekers de resultaten analyseerden, vonden zij dat verschillende kenmerken correleerden met geestelijke gezondheidsstoornissen. Wat afbeeldingen betreft, werden blauwe kleuren geassocieerd met een diagnose van stemmingstoornissen. Een hoog gebruik van scheldwoorden was over het algemeen indicatief voor geestesziekten, terwijl woorden als horen, voelen en zien (perceptiewoorden) werden geassocieerd met een diagnose van schizofrenie.

Om de succesvolle werking van het AI-model te bepalen, vergeleken de onderzoekers valse positieven en valse negatieven. Het onderzoeksteam rapporteerde dat hun succesratio tussen 0,65 en 0,77 lag, waarbij 1 een perfecte score is en 0,5 de gemiddelde succesratio is van een model dat willekeurig gokt. Hoe recenter de berichten waren, hoe beter het model werkte. Echter, zelfs toen het team van onderzoekers zich beperkte tot berichten die meer dan een jaar voor een diagnose waren verstuurd, werkte het model nog steeds veel beter dan toeval.

Het interessante aan dit niveau van nauwkeurigheid is dat het ongeveer gelijk is aan de nauwkeurigheid van de PHQ-9. De PHQ-9 is een diagnostisch instrument dat wordt gebruikt om depressie te screenen, waarbij de testpersoon 10 vragen worden gesteld. Als een AI-model getraind op Facebook-gegevens betrouwbaar zo goed kan presteren als de PHQ-9, kan het potentieel worden gebruikt als diagnostisch instrument, waarmee bestaande instrumenten die door clinici worden gebruikt, kunnen worden aangevuld.

De hoofdonderzoeker van de studie was Michael Birnbaum, een assistent-professor aan de Feinstein Institutes for Medical Research in Manhasset, New York. Volgens Wired hebben AI-instrumenten die socialemediagegevens gebruiken het potentieel om een grote invloed te hebben op de manier waarop psychiatrische aandoeningen worden gediagnosticeerd en behandeld. Zoals Birnbaum tegen Wired zei:

“We begrijpen nu het idee dat kanker veel verschillende stadia heeft. Als je kanker in stadium I vaststelt, is het drastisch anders dan wanneer je het pas vaststelt als het is uitgezaaid. In de psychiatrie hebben we de neiging om pas met mensen te werken als het al is uitgezaaid. Maar er is het potentieel om mensen eerder te detecteren.”

In wezen kunnen geestesziekten verschillende vormen aannemen op verschillende momenten en kunnen meer gevarieerde gegevensbronnen onderzoekers en clinici helpen om de geestelijke gezondheid van een persoon te trianguleren. Het voordeel van het gebruik van socialemediagegevens is dat het een continue registratie vormt van de gedachten en gevoelens van een individu. Deze gegevens kunnen worden gebruikt om de lange interviews te complementeren waarop clinici vertrouwen om een patiënt te diagnosticeren.

Birnbaum verwacht dat AI-modellen op basis van socialemediagegevens therapeuten kunnen helpen bij het monitoren van patiënten over de lange termijn van hun behandeling. Birnbaum legde uit dat therapeuten meestal alleen een “snapshot” van iemands leven krijgen, een keer per maand of zo, en dat de mogelijkheid om socialemediagegevens te gebruiken clinici een meer complete, representatieve kijk geeft op de trends in iemands leven. Birnbaum hoopt dat binnen vijf tot tien jaar het gebruik van socialemediagegevens in de beoordeling van de geestelijke gezondheid meer gemeengoed zal worden.