মেডিকেল scientists from University of Pennsylvania have found that medical conditions could be predicted from contents of social media posts
সোশ্যাল মিডিয়া is now an integral part of our lives. In 2019, at least 2.7 billion সম্প্রদায় regularly use online social media platforms like Facebook, Twitter and Instagram. This means that more than a billion individuals share information on a daily basis about their lives on these public platforms. People freely share their thoughts, likes and dislikes, sentiments and personalities. Scientists are exploring whether this information, generated outside the রোগশয্যা healthcare system, could reveal possible disease predictors in daily lives of রোগীদের যা অন্যথায় স্বাস্থ্যসেবা কর্মী এবং গবেষকদের কাছে লুকিয়ে থাকতে পারে। আগের গবেষণায় দেখানো হয়েছে কিভাবে টুইটার হৃদরোগে মৃত্যুর হারের পূর্বাভাস দিতে পারে বা বীমার মতো চিকিৎসা-সম্পর্কিত বিষয়ে জনসাধারণের অনুভূতি পর্যবেক্ষণ করতে পারে। যাইহোক, সোশ্যাল মিডিয়ার তথ্য এখনও পর্যন্ত ব্যক্তিগত পর্যায়ে চিকিৎসা পরিস্থিতির পূর্বাভাস দেওয়ার জন্য ব্যবহার করা হয়নি।
17 জুন প্রকাশিত একটি নতুন গবেষণা প্লাস এক প্রথমবারের মতো রোগীদের (যারা তাদের সম্মতি দিয়েছেন) তাদের সামাজিক মিডিয়া প্রোফাইলের সাথে ইলেকট্রনিক মেডিকেল রেকর্ডের লিঙ্ক দেখিয়েছে। গবেষকদের লক্ষ্য ছিল তদন্ত করা – প্রথমত, ব্যবহারকারীর সোশ্যাল মিডিয়া অ্যাকাউন্ট(গুলি) এ পোস্ট করা ভাষা থেকে একজন ব্যক্তির চিকিৎসার অবস্থা অনুমান করা যায় কিনা এবং দ্বিতীয়ত, যদি নির্দিষ্ট রোগ চিহ্নিতকারী চিহ্নিত করা যায়।
গবেষকরা 999 রোগীর সম্পূর্ণ ফেসবুক ইতিহাস বিশ্লেষণ করতে একটি স্বয়ংক্রিয় ডেটা সংগ্রহের কৌশল ব্যবহার করেছেন। এর অর্থ হল প্রায় 20 ফেসবুক স্ট্যাটাস আপডেটের মধ্যে অন্তত 949,000টি শব্দ সম্বলিত পোস্টগুলির মধ্যে একটি 500 মিলিয়ন শব্দ বিশ্লেষণ করা। গবেষকরা প্রতিটি রোগীর জন্য ভবিষ্যদ্বাণী করার জন্য তিনটি মডেল তৈরি করেছেন। প্রথম মডেল কীওয়ার্ড সনাক্ত করে ফেসবুক পোস্টের ভাষা বিশ্লেষণ করে। দ্বিতীয় মডেল রোগীর জনসংখ্যার তথ্য যেমন তাদের বয়স এবং লিঙ্গ বিশ্লেষণ করে। তৃতীয় মডেলটি এই দুটি ডেটাসেটকে একত্রিত করেছে। ডায়াবেটিস, উদ্বেগ, বিষণ্নতা, উচ্চ রক্তচাপ, অ্যালকোহল অপব্যবহার, স্থূলতা, সাইকোসিস সহ মোট 21 টি চিকিৎসা অবস্থার উপর নজর দেওয়া হয়েছিল।
বিশ্লেষণে দেখা গেছে যে সমস্ত 21টি চিকিৎসা শর্ত শুধুমাত্র ফেসবুক পোস্ট থেকে অনুমান করা যায়। এবং, 10টি অবস্থার ভবিষ্যদ্বাণী করা হয়েছিল ফেসবুক পোস্ট দ্বারা এমনকি জনসংখ্যার চেয়েও ভাল। বিশিষ্ট কীওয়ার্ডগুলি ছিল, উদাহরণস্বরূপ, 'পানীয়', 'মাতাল' এবং 'বোতল' যা অ্যালকোহল অপব্যবহারের পূর্বাভাস দেয় এবং 'ঈশ্বর' বা 'প্রার্থনা' বা 'পরিবার' এর মতো শব্দগুলি ডায়াবেটিস আক্রান্ত ব্যক্তিদের দ্বারা 15 গুণ বেশি ব্যবহার করা হয়েছিল। 'বোবা' শব্দগুলি মাদকের অপব্যবহার এবং মনোবিকারের সূচক হিসাবে কাজ করে এবং 'বেদনা', 'কান্না' এবং 'কান্না'র মতো শব্দগুলি মানসিক যন্ত্রণার সাথে যুক্ত ছিল। ব্যক্তিদের দ্বারা ব্যবহৃত Facebook ভাষা ভবিষ্যদ্বাণী করতে খুব কার্যকর ছিল – বিশেষ করে ডায়াবেটিস এবং মানসিক সম্পর্কে স্বাস্থ্য উদ্বেগ, বিষণ্নতা এবং সাইকোসিস সহ শর্তগুলি।
বর্তমান গবেষণায় পরামর্শ দেওয়া হয়েছে যে রোগীদের জন্য একটি অপ্ট-ইন সিস্টেম তৈরি করা যেতে পারে যেখানে রোগীরা চিকিত্সকদের এই তথ্যে অ্যাক্সেস প্রদান করে তাদের সামাজিক মিডিয়া পোস্টগুলির বিশ্লেষণের অনুমতি দেয়। যারা নিয়মিত সামাজিক মিডিয়া ব্যবহার করেন তাদের জন্য এই পদ্ধতিটি সবচেয়ে মূল্যবান হতে পারে। যেহেতু সোশ্যাল মিডিয়া মানুষের চিন্তাভাবনা, ব্যক্তিত্ব, মানসিক অবস্থা এবং স্বাস্থ্যের আচরণকে প্রতিফলিত করে, তাই এই ডেটা একটি রোগের সূত্রপাত বা খারাপ হওয়ার পূর্বাভাস দিতে ব্যবহার করা যেতে পারে। যেখানে সোশ্যাল মিডিয়া উদ্বিগ্ন, সেখানে গোপনীয়তা, অবহিত সম্মতি এবং ডেটা মালিকানা গুরুত্বপূর্ণ হতে চলেছে। সোশ্যাল মিডিয়া বিষয়বস্তুর সংক্ষিপ্তকরণ এবং সংক্ষিপ্তকরণ এবং ব্যাখ্যা তৈরি করা প্রাথমিক লক্ষ্য।
The current study can lead way to develop new কৃত্রিম বুদ্ধিমত্তা applications for predicting medical conditions. Social media data is quantifiable and provides new avenues to assess behavioural and environmental risk factors of a disease. Social media data of an individual is being referred to as ‘social mediome’ (similar to genome – complete set of genes).
***
{উদ্ধৃত উৎস(গুলি) তালিকায় নীচে দেওয়া DOI লিঙ্কে ক্লিক করে আপনি মূল গবেষণাপত্রটি পড়তে পারেন}
উত্স (গুলি)
বণিক RM et al. 2019. সোশ্যাল মিডিয়া পোস্ট থেকে চিকিৎসা অবস্থার পূর্বাভাস মূল্যায়ন করা। প্লাস ওয়ান। 14 (6)। https://doi.org/10.1371/journal.pone.0215476
