Científicos médicos de la Universidad de Pensilvania han descubierto que se pueden predecir afecciones médicas a partir del contenido de las publicaciones en redes sociales.
Las redes sociales son ahora una parte integral de nuestras vidas. En 2019, al menos 2.7 millones de personas utilizaban regularmente plataformas de redes sociales como Facebook, Twitter e Instagram. Esto significa que más de mil millones de personas comparten información a diario sobre sus vidas en estas plataformas públicas. Las personas comparten libremente sus pensamientos, gustos, disgustos, sentimientos y personalidad. Los científicos están investigando si esta información, generada fuera del sistema clínico de atención médica, podría revelar posibles predictores de enfermedades en la vida diaria de los pacientes , información que de otro modo podría pasar desapercibida para el personal sanitario y los investigadores. Estudios anteriores han demostrado cómo Twitter puede predecir la tasa de mortalidad por enfermedades cardíacas o monitorizar la opinión pública sobre temas médicos como los seguros. Sin embargo, hasta ahora, la información de las redes sociales no se ha utilizado para predecir afecciones médicas a nivel individual.
Un nuevo estudio publicado el 17 de junio en PLOS ONE ha demostrado por primera vez la vinculación de los historiales médicos electrónicos de pacientes (que han dado su consentimiento) con sus perfiles en redes sociales. Los investigadores se propusieron, en primer lugar, determinar si las afecciones médicas de una persona pueden predecirse a partir del lenguaje utilizado en sus cuentas de redes sociales y, en segundo lugar, identificar marcadores específicos de enfermedades.
Los investigadores utilizaron una técnica de recopilación de datos automatizada para analizar el historial completo de Facebook de 999 pacientes. Esto significó analizar la enorme cantidad de 20 millones de palabras en alrededor de 949,000 actualizaciones de estado de Facebook con publicaciones que contienen al menos 500 palabras. Los investigadores desarrollaron tres modelos para hacer predicciones para cada paciente. El primer modelo analizó el lenguaje de las publicaciones de Facebook identificando palabras clave. El segundo modelo analizó la información demográfica del paciente, como su edad y sexo. El tercer modelo combinó estos dos conjuntos de datos. Se analizaron un total de 21 afecciones médicas, incluidas diabetes, ansiedad, depresión, hipertensión, abuso de alcohol, obesidad y psicosis.
El análisis reveló que las 21 afecciones médicas eran predecibles únicamente a partir de las publicaciones de Facebook. Además, 10 afecciones se predijeron mejor mediante las publicaciones de Facebook que incluso los datos demográficos. Las palabras clave más frecuentes fueron, por ejemplo, "beber", "borracho" y "botella", que predecían el abuso de alcohol, mientras que palabras como "Dios", "rezar" o "familia" eran utilizadas 15 veces más por personas con diabetes. Palabras como "tonto" servían como indicadores de abuso de drogas y psicosis, y palabras como "dolor", "llorar" y "lágrimas" se relacionaban con el sufrimiento emocional. El lenguaje utilizado por los usuarios de Facebook resultó muy eficaz para realizar predicciones, especialmente sobre diabetes y problemas de salud mental como la ansiedad, la depresión y la psicosis.
El estudio actual sugiere que se podría desarrollar un sistema de participación voluntaria para los pacientes en el que los pacientes permitieran el análisis de sus publicaciones en las redes sociales al brindar acceso a esta información a los médicos. Este enfoque podría ser más valioso para las personas que utilizan habitualmente las redes sociales. Dado que las redes sociales reflejan los pensamientos, la personalidad, el estado mental y los comportamientos de salud de las personas, estos datos podrían usarse para predecir la aparición o el empeoramiento de una enfermedad. En lo que respecta a las redes sociales, la privacidad, el consentimiento informado y la propiedad de los datos serán cruciales. Condensar y resumir el contenido de las redes sociales y hacer interpretaciones es el objetivo principal.
El presente estudio puede allanar el camino para el desarrollo de nuevas aplicaciones de inteligencia artificial para la predicción de afecciones médicas. Los datos de las redes sociales son cuantificables y ofrecen nuevas vías para evaluar los factores de riesgo conductuales y ambientales de una enfermedad. Los datos de las redes sociales de un individuo se denominan «medioma social» (similar al genoma: conjunto completo de genes).
***
{Puede leer el trabajo de investigación original haciendo clic en el enlace DOI que figura a continuación en la lista de fuentes citadas}
Fuentes)
Merchant RM et al. 2019. Evaluación de la capacidad predictiva de afecciones médicas a partir de publicaciones en redes sociales. PLOS ONE. 14 (6). https://doi.org/10.1371/journal.pone.0215476
