Forskare använder AI tränad på Facebook-data för att upptäcka tecken på mental ohälsa

En grupp forskare har nyligen publicerat en studie i Nature, där de beskriver sina försök att använda Facebook-data för att identifiera möjliga psykiatriska sjukdomar. Enligt Wired kunde forskarna konstruera en AI-modell som kan förutsäga en diagnos av en mental sjukdom baserat på meddelanden som skickats upp till 18 månader innan diagnosen fastställdes.

För att skapa den prediktiva modellen samlade forskarteamet in data från 223 volontärer. Volontärerna gick med på att ge forskarna tillgång till meddelanden de hade skickat och bilder de hade lagt upp. Forskarna tränade en Random Forest-modell på funktioner som extraherats från de insamlade meddelandena och bilderna. Modellens mål var att bestämma om en deltagare hade en mental hälsodiagnos, gruppera instanser i humörstörningsdiagnoser, schizofrenispektrumdiagnoser eller ingen mental hälsodiagnos.

När forskarna analyserade resultaten fann de att flera olika funktioner var korrelerade med mental ohälsa. När det gällde bilder var blå färger associerade med en diagnos av humörstörningar. Hög användning av svordomar var vanligtvis indicativ för mental ohälsa, medan ord som höra, känna och se (perceptionsord) var associerade med en diagnos av schizofreni.

För att bestämma AI-modellens framgång jämförde forskarna falska positiva och falska negativa resultat. Forskarteamet rapporterade att deras framgångsgrad var mellan 0,65 och 0,77, där 1 är ett perfekt resultat och 0,5 är den genomsnittliga framgången för en modell som slumpmässigt gissar. Ju mer nyliga meddelandena var, desto bättre var modellens framgång. Men även när forskarteamet begränsade sig till meddelanden som var daterade till mer än ett år innan en diagnos, presterade modellen fortfarande mycket bättre än slumpen.

Det intressanta med denna nivå av noggrannhet är att den är ungefär lika med noggrannheten hos PHQ-9. PHQ-9 är ett diagnostiskt verktyg som används för att screena för depression, där testpersonen får 10 frågor. Om en AI-modell tränad på Facebook-data kan tillförlitligt prestera lika bra som PHQ-9, kan den potentiellt användas som ett diagnostiskt verktyg, som komplement till de verktyg som för närvarande används av kliniker.

Studiens huvudforskare var en biträdande professor vid Feinstein Institutes for Medical Research i Manhasset, New York, Michael Birnbaum. Enligt Wired har AI-verktyg som använder sociala medie-data potentialen att göra en stor skillnad i hur psykiatriska sjukdomar diagnostiseras och behandlas. Som Birnbaum citerades av Wired:

“Vi förstår nu idén att cancer har många olika stadier. Om du upptäcker cancer i stadium I är det drastiskt annorlunda än om du upptäcker den när den har metastaserat. Inom psykiatri har vi en tendens att börja arbeta med människor när det redan har metastaserat. Men det finns potentialen att upptäcka människor tidigare.”

I själva verket kan mental ohälsa ta sig olika former vid olika tillfällen och mer varierad data kan hjälpa forskare och kliniker att triangulera en persons mentala hälsotillstånd. Fördelen med att använda sociala medie-data är att det utgör en kontinuerlig registrering av en persons tankar och känslor. Denna data kan användas för att komplettera de långa intervjuer som kliniker förlitar sig på för att diagnostisera en patient.

Birnbaum förväntar sig att AI-modeller baserade på sociala medie-data kan hjälpa terapeuter att övervaka patienter under den långa behandlingsperioden. Birnbaum förklarade att terapeuter vanligtvis bara får en “ögonblicksbild” av en persons liv ungefär en gång i månaden och att möjligheten att använda sociala medie-data låter kliniker få en mer komplett och representativ förståelse för trenderna i en persons liv. Birnbaum hoppas att användningen av sociala medie-data i mental hälsobedömning kommer att bli mer allmän inom fem till tio år.