મેડિકલ યુનિવર્સિટી ઓફ પેન્સિલવેનિયાના વૈજ્ઞાનિકોએ શોધી કાઢ્યું છે કે સોશિયલ મીડિયા પોસ્ટની સામગ્રીઓ પરથી તબીબી પરિસ્થિતિઓની આગાહી કરી શકાય છે
સામાજિક મીડિયા હવે આપણા જીવનનો અભિન્ન ભાગ છે. 2019 માં, ઓછામાં ઓછા 2.7 અબજ લોકો ફેસબુક, ટ્વિટર અને ઇન્સ્ટાગ્રામ જેવા ઓનલાઈન સોશિયલ મીડિયા પ્લેટફોર્મનો નિયમિત ઉપયોગ કરો. આનો અર્થ એ છે કે આ સાર્વજનિક પ્લેટફોર્મ્સ પર એક અબજથી વધુ વ્યક્તિઓ તેમના જીવન વિશે દૈનિક ધોરણે માહિતી શેર કરે છે. લોકો મુક્તપણે તેમના વિચારો, પસંદ અને નાપસંદ, લાગણીઓ અને વ્યક્તિત્વ શેર કરે છે. વૈજ્ઞાનિકો અન્વેષણ કરી રહ્યા છે કે શું આ માહિતી, બહાર પેદા થઈ છે તબીબી આરોગ્યસંભાળ પ્રણાલી, રોજિંદા જીવનમાં સંભવિત રોગની આગાહી કરી શકે છે દર્દીઓ જે અન્યથા હેલ્થકેર કર્મચારીઓ અને સંશોધકો માટે છુપાયેલ હોઈ શકે છે. અગાઉના અભ્યાસોએ દર્શાવ્યું છે કે ટ્વિટર કેવી રીતે હૃદય રોગના મૃત્યુ દરની આગાહી કરી શકે છે અથવા વીમા જેવા તબીબી-સંબંધિત મુદ્દાઓ પર જાહેર ભાવનાઓનું નિરીક્ષણ કરી શકે છે. જો કે, વ્યક્તિગત સ્તરે તબીબી પરિસ્થિતિઓની આગાહી કરવા માટે અત્યાર સુધી સોશિયલ મીડિયાની માહિતીનો ઉપયોગ કરવામાં આવ્યો નથી.
જૂન 17 ના રોજ પ્રકાશિત થયેલ એક નવો અભ્યાસ PLOS ONE પ્રથમ વખત દર્દીઓના ઇલેક્ટ્રોનિક મેડિકલ રેકોર્ડ્સ (જેમણે તેમની સંમતિ આપી છે) તેમની સોશિયલ મીડિયા પ્રોફાઇલ્સ સાથે લિંક કરવાનું દર્શાવ્યું છે. સંશોધકોનો ઉદ્દેશ્ય તપાસ કરવાનો છે - પ્રથમ, વપરાશકર્તાના સોશિયલ મીડિયા એકાઉન્ટ(ઓ) પર પોસ્ટ કરવામાં આવેલી ભાષામાંથી વ્યક્તિની તબીબી સ્થિતિની આગાહી કરી શકાય છે કે કેમ અને બીજું, જો ચોક્કસ રોગના માર્કર્સ ઓળખી શકાય.
સંશોધકોએ 999 દર્દીઓના સંપૂર્ણ ફેસબુક ઇતિહાસનું વિશ્લેષણ કરવા માટે સ્વચાલિત ડેટા સંગ્રહ તકનીકનો ઉપયોગ કર્યો. આનો અર્થ એ થયો કે લગભગ 20 ફેસબુક સ્ટેટસ અપડેટ્સમાં ઓછામાં ઓછા 949,000 શબ્દો ધરાવતી પોસ્ટ સાથે 500 મિલિયન શબ્દોનું વિશ્લેષણ કરવું. સંશોધકોએ દરેક દર્દી માટે આગાહી કરવા માટે ત્રણ મોડલ વિકસાવ્યા. પ્રથમ મોડેલે કીવર્ડ્સને ઓળખીને ફેસબુક પોસ્ટ્સની ભાષાનું વિશ્લેષણ કર્યું. બીજા મોડેલે દર્દીની વસ્તી વિષયક માહિતી જેમ કે તેમની ઉંમર અને લિંગનું વિશ્લેષણ કર્યું. ત્રીજું મોડેલ આ બે ડેટાસેટ્સને જોડે છે. ડાયાબિટીસ, ચિંતા, ડિપ્રેશન, હાયપરટેન્શન, આલ્કોહોલનો દુરુપયોગ, સ્થૂળતા, સાયકોસિસ સહિત કુલ 21 તબીબી પરિસ્થિતિઓની તપાસ કરવામાં આવી હતી.
વિશ્લેષણ દર્શાવે છે કે તમામ 21 તબીબી સ્થિતિઓ ફક્ત ફેસબુક પોસ્ટ્સ પરથી અનુમાનિત હતી. અને, વસ્તી વિષયક કરતાં પણ ફેસબુક પોસ્ટ્સ દ્વારા 10 પરિસ્થિતિઓની વધુ સારી આગાહી કરવામાં આવી હતી. અગ્રણી કીવર્ડ્સ હતા, ઉદાહરણ તરીકે, 'ડ્રિંક', 'ડ્રંક' અને 'બોટલ' જે આલ્કોહોલના દુરુપયોગની આગાહી કરતા હતા અને 'ભગવાન' અથવા 'પ્રાર્થના' અથવા 'કુટુંબ' જેવા શબ્દો ડાયાબિટીસ ધરાવતા લોકો દ્વારા 15 ગણા વધુ ઉપયોગમાં લેવાયા હતા. 'મૂંગો' જેવા શબ્દો માદક દ્રવ્યોના દુરૂપયોગ અને મનોવિકૃતિ માટે સૂચક તરીકે સેવા આપતા હતા અને 'પીડા', 'રડવું' અને 'આંસુ' જેવા શબ્દો ભાવનાત્મક તકલીફ સાથે જોડાયેલા હતા. વ્યક્તિઓ દ્વારા ઉપયોગમાં લેવામાં આવતી ફેસબુક ભાષા આગાહીઓ કરવામાં ખૂબ અસરકારક હતી – ખાસ કરીને ડાયાબિટીસ અને માનસિક વિશે આરોગ્ય ચિંતા, હતાશા અને મનોવિકૃતિ સહિતની પરિસ્થિતિઓ.
વર્તમાન અભ્યાસ સૂચવે છે કે દર્દીઓ માટે એક ઑપ્ટ-ઇન સિસ્ટમ વિકસાવવામાં આવી શકે છે જ્યાં દર્દીઓ ક્લિનિશિયનોને આ માહિતીની ઍક્સેસ પ્રદાન કરીને તેમની સોશિયલ મીડિયા પોસ્ટ્સનું વિશ્લેષણ કરવાની મંજૂરી આપે છે. જે લોકો નિયમિતપણે સોશિયલ મીડિયાનો ઉપયોગ કરે છે તેમના માટે આ અભિગમ સૌથી વધુ મૂલ્યવાન હોઈ શકે છે. સોશિયલ મીડિયા લોકોના વિચારો, વ્યક્તિત્વ, માનસિક સ્થિતિ અને આરોગ્ય વર્તણૂકોને પ્રતિબિંબિત કરે છે, તેથી આ ડેટાનો ઉપયોગ રોગની શરૂઆત અથવા બગડવાની આગાહી કરવા માટે થઈ શકે છે. જ્યાં સોશિયલ મીડિયા સંબંધિત છે, ત્યાં ગોપનીયતા, જાણકાર સંમતિ અને ડેટાની માલિકી નિર્ણાયક બની રહેશે. સોશિયલ મીડિયા કન્ટેન્ટને કન્ડેન્સિંગ અને સારાંશ આપવું અને અર્થઘટન કરવું એ પ્રાથમિક ધ્યેય છે.
વર્તમાન અભ્યાસ નવા વિકાસ માટે માર્ગ દોરી શકે છે કૃત્રિમ બુદ્ધિ તબીબી પરિસ્થિતિઓની આગાહી કરવા માટેની એપ્લિકેશનો. સોશિયલ મીડિયા ડેટા પરિમાણપાત્ર છે અને રોગના વર્તન અને પર્યાવરણીય જોખમ પરિબળોનું મૂલ્યાંકન કરવા માટે નવા માર્ગો પૂરા પાડે છે. વ્યક્તિના સોશિયલ મીડિયા ડેટાને 'સામાજિક માધ્યમ' તરીકે ઓળખવામાં આવે છે (જીનોમ જેવું જ - જનીનોનો સંપૂર્ણ સમૂહ).
***
{તમે ટાંકેલા સ્ત્રોત(ઓ)ની સૂચિમાં નીચે આપેલ DOI લિંક પર ક્લિક કરીને મૂળ સંશોધન પેપર વાંચી શકો છો}
સ્રોત (ઓ)
વેપારી આરએમ એટ અલ. 2019. સોશિયલ મીડિયા પોસ્ટ્સમાંથી તબીબી પરિસ્થિતિઓની આગાહીનું મૂલ્યાંકન. PLOS ONE. 14 (6). https://doi.org/10.1371/journal.pone.0215476
