মেডিকেল পেনসিলভানিয়া বিশ্ববিদ্যালয়ের বিজ্ঞানীরা খুঁজে পেয়েছেন যে সামাজিক মিডিয়া পোস্টের বিষয়বস্তু থেকে চিকিত্সার অবস্থার পূর্বাভাস দেওয়া যেতে পারে
সোশ্যাল মিডিয়া এখন আমাদের জীবনের একটি অবিচ্ছেদ্য অংশ। 2019 সালে, কমপক্ষে 2.7 বিলিয়ন সম্প্রদায় নিয়মিত ফেসবুক, টুইটার এবং ইনস্টাগ্রামের মতো অনলাইন সোশ্যাল মিডিয়া প্ল্যাটফর্ম ব্যবহার করুন। এর মানে হল এই পাবলিক প্ল্যাটফর্মগুলিতে এক বিলিয়নেরও বেশি ব্যক্তি তাদের জীবন সম্পর্কে দৈনিক ভিত্তিতে তথ্য ভাগ করে। মানুষ স্বাধীনভাবে তাদের চিন্তাভাবনা, পছন্দ-অপছন্দ, অনুভূতি এবং ব্যক্তিত্ব শেয়ার করে। বিজ্ঞানীরা অনুসন্ধান করছেন এই তথ্য, বাইরে উৎপন্ন কিনা রোগশয্যা স্বাস্থ্যসেবা ব্যবস্থা, দৈনন্দিন জীবনে সম্ভাব্য রোগের ভবিষ্যদ্বাণী প্রকাশ করতে পারে 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।
বর্তমান গবেষণা নতুন বিকাশের পথ দেখাতে পারে কৃত্রিম বুদ্ধিমত্তা চিকিৎসা অবস্থার পূর্বাভাসের জন্য অ্যাপ্লিকেশন। সামাজিক মিডিয়া ডেটা পরিমাপযোগ্য এবং একটি রোগের আচরণগত এবং পরিবেশগত ঝুঁকির কারণগুলি মূল্যায়ন করার জন্য নতুন উপায় প্রদান করে। একজন ব্যক্তির সোশ্যাল মিডিয়া ডেটাকে 'সোশ্যাল মিডিয়াম' (জিনোমের অনুরূপ - জিনের সম্পূর্ণ সেট) হিসাবে উল্লেখ করা হচ্ছে।
***
{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
