Ben Gurion Universiteit van de Negev. Foto Wikipedia
Net als de meeste andere mensen gaan chronisch zieke patiënten naar sociale media om hun ziekte te bespreken of te beschrijven. Er is echter een latent potentieel voor medische inzichten in hun berichten die wachten om ontgrendeld te worden.
Nu hebben onderzoekers van de Ben Gurion Universiteit van de Negev een methode ontwikkeld om chronisch zieke patiënten te lokaliseren en hun posts op sociale media te analyseren om medische inzichten te genereren.
Maya Stemmer, begeleid door prof. Gilad Ravid en prof. Yisrael Parmet, ontwikkelde de methode voor haar promotieonderzoek. Ze kozen Twitter en Inflammatory Bowel Disease (IBD), zoals de ziekte van Crohn en colitis ulcerosa, om hun systeem te testen.
Het is voor het eerst in de geschiedenis dat dergelijke medische informatie publiekelijk beschikbaar is. In plaats van een fysieke brief aan een vriend waarin symptomen, behandelingen en het dagelijks leven worden beschreven, zijn er miljoenen berichten die moeten worden geanalyseerd met behulp van Big Data-vaardigheden om inzichten uit de echte wereld te verkrijgen.
Door hun machine learning methoden konden ze chronisch zieke patiënten ontdekken. Ze postten vaker over hun ziekte. Bovendien identificeerden de onderzoekers onderscheidende kenmerken van de ziekte van Crohn die hielpen om het te onderscheiden van colitis ulcerosa.
Ze konden ook bestaande informatie bevestigen over voedingsmiddelen die ontstekingen verhoogden of verminderden. Toen ze de geuite gevoelens classificeerden, ontdekten ze dat patiënten de neiging hadden om negatief over hun ziekte te praten en over hun medicijnen en behandelingen positief.
Het systeem kan volgens Stemmer worden aangepast voor andere platforms en andere ziekten. Twitter maakt het makkelijker door een API aan te bieden voor academische onderzoekers.
"Het werk dat in dit proefschrift wordt gepresenteerd, laat zien dat het mogelijk is om gezondheid gerelateerde inzichten te ontlenen aan zelf gerapporteerde berichten van patiënten. Patiënten zijn niet de enige gebruikers die op sociale media over gezondheid praten, en het gepresenteerde raamwerk helpt om tendentieuze berichten van geïnteresseerde partijen te elimineren.
"De methoden kunnen worden aangepast aan andere ziekten en het medisch onderzoek naar chronische aandoeningen verbeteren. Door het raamwerk te gebruiken om meer patiënten te identificeren en meer gegevens te verzamelen, kan licht worden geworpen op de strategieën van patiënten om met hun ziekte om te gaan en de invloed ervan op hun kwaliteit van leven", legt uit Stemmer.
Stemmer, prof. Ravid en prof. Parmet zijn lid van de afdeling Industrial Engineering and Management van de faculteit Ingenieurswetenschappen en de Guilford Glazer Faculty of Business and Management.
