Cardiovascular Disease Risk Prediction via Social Media
Diese Studie zeigt, dass die Analyse von Twitter-Daten unter Verwendung eines benutzerdefinierten CVD-Schlüsselwortverzeichnisses, der VADER-Sentiment-Analyse und Machine-Learning-Modellen (insbesondere SVM und CNN-LSTM) das Risiko für Herz-Kreislauf-Erkrankungen auf Bundesstaatsebene effektiv vorhersagt und dabei herkömmliche demografisch basierte Ansätze auf Basis von CDC-Daten übertrifft.
Stellen Sie sich vor, Sie versuchen zu erraten, wer in Zukunft ein Herzproblem bekommen könnte. Traditionell haben Ärzte und Forscher die „Ausweisdaten“ einer Person betrachtet: Alter, Geschlecht, ethnische Zugehörigkeit und Wohnort. Es ist, als würde man versuchen, das Wetter vorherzusagen, indem man nur auf den Kalender schaut; es vermittelt einem eine allgemeine Vorstellung, aber es übersieht die aufziehenden Gewitterwolken im Hier und Jetzt.
Dieses Paper schlägt einen anderen, spielerischeren Ansatz vor: darauf zu hören, was die Menschen tatsächlich auf Twitter sagen. Die Forscher behandelten soziale Medien wie einen riesigen, lauten Raum, in dem Menschen über ihr Leben plaudern. Sie wollten sehen, ob die Emotionen und Worte, die Menschen verwendeten, als besseres „Frühwarnsystem“ für Herzerkrankungen dienen könnten als nur das Überprüfen ihrer demografischen Ausweise.
Die Detektivarbeit: Ein spezielles Wörterbuch erstellen
Zuerst musste das Team herausfinden, worauf es ankommt. Sie suchten nicht nur nach medizinischem Jargon wie „Angiogramm“ oder „Hypertonie“. Sie erstellten ein maßgeschneidertes „Detektiv-Wörterbuch“, das ernsthafte medizinische Begriffe mit alltäglichem Slang und Lebensstil-Phrasen mischte, die Menschen tatsächlich verwenden, wenn sie über Stress, Rauchen oder Brustschmerzen sprechen. Sie scannten Tweets aus 18 verschiedenen US-Bundesstaaten (einschließlich der Appalachen-Region) über einen Zeitraum von drei Jahren und sammelten dabei fast 270.000 Nachrichten.
Der Stimmungsring: VADER und die Labels
Sobald sie die Tweets hatten, mussten sie die „Vibe“ bestimmen. Sie verwendeten ein Tool namens VADER, das wie ein superschneller Stimmungsring für Texte fungiert. Es liest die Wörter und entscheidet, ob die Stimmung positiv, negativ oder neutral ist.
Hier liegt der clevere Teil: Sie legten eine spezifische Regel fest. Wenn die Tweets eines Nutzers ein gewisses Maß an negativer Stimmung in Bezug auf diese Herzrisiko-Schlüsselwörter zeigten, markierte der Computer sie als „1“ (potenziell gefährdet). Wenn die Stimmung anders war, wurden sie als „0“ (nicht gefährdet) markiert. Stellen Sie es sich wie einen Lehrer vor, der einen Test bewertet, bei dem die „richtige Antwort“ für das Bestehen eines Risikos ein spezifisches Muster aus mürrischen oder besorgten Wörtern ist.
Das Rennen: Old School vs. Neue Technik
Nun kam die große Entscheidung. Die Forscher trainierten zwei verschiedene Teams von Computergehirnen, um vorherzusagen, wer gefährdet war:
- Team A (Das Twitter-Team): Sie fütterten den Computer mit den stimmungsmarkierten Tweets.
- Team B (Das Ausweis-Team): Sie fütterten den Computer mit einem Standard-Regierungsdatensatz (vom CDC), der nur demografische Informationen wie Geschlecht, ethnische Zugehörigkeit und Standort enthielt.
Sie testeten beide Teams mit mehreren verschiedenen „Spielern“ (Algorithmen), darunter einige klassische mathematische Methoden und ein schickes neues Hybrid-Gehirn namens CNN-LSTM (das wie ein Roboter ist, der sowohl Muster in Bildern erkennen als auch lange Gespräche im Gedächtnis behalten kann).
Die Anzeigetafel
Die Ergebnisse waren eindeutig, und das Twitter-Team gewann haushoch.
- Das Ausweis-Team (CDC-Daten): Als sie versuchten, das Risiko für Herzerkrankungen nur anhand demografischer Informationen vorherzusagen, bekam der beste Spieler (Logistische Regression) nur etwa 58,03 % der Antworten richtig. Das schicke CNN-LSTM-Modell schnitt sogar noch schlechter ab und erreichte 57,64 %. Es war, als würde man versuchen, den Sieger eines Rennens zu erraten, indem man nur auf die Schuhgrößen der Läufer schaut.
- Das Twitter-Team: Als sie die emotionalen Daten aus den Tweets verwendeten, schossen die Ergebnisse in die Höhe. Das SVM-Modell (ein Typ von Support-Vektor-Maschine) erreichte eine Testgenauigkeit von 88,75 %. Das Modell der Logistischen Regression folgte dicht dahinter mit 87,82 %. Selbst das Hybrid-CNN-LSTM-Modell, das 77,51 % erreichte, übertraf die Ergebnisse der demografischen Daten bei Weitem.
Was das bedeutet (und was es nicht bedeutet)
Das Paper legt nahe, dass das Zuhören auf das „emotionale Geplapper“ in den sozialen Medien eine viel stärkere Kristallkugel zur Erkennung von Herzerkrankungsrisiken ist, als nur auf die Adresse oder das Geschlecht einer Person zu schauen. Die Autoren argumentieren, dass die Wörter, die Menschen online tippen, ihre psychologischen und verhaltensbedingten Risiken auf eine Weise offenbaren, die statische Daten einfach nicht leisten können.
Das Paper ist jedoch vorsichtig darauf zu achten, dies nicht als magisches Allheilmittel darzustellen. Die Autoren merken an, dass dies eine spezifische Studie ist, die Daten von 2019 bis 2021 verwendet, und obwohl die Ergebnisse vielversprechend sind, handelt es sich lediglich um einen „Vorschlag“, dass diese Methode besser funktioniert als die alte, nicht um ein endgültiges, unveränderliches Gesetz des Universums. Sie weisen auch darauf hin, dass sie bei ihren „Stimmungsring“-Einstellungen (unter Verwendung eines spezifischen Schwellenwerts von -0,30) vorsichtig sein mussten, damit die Labels funktionieren, und dass weitere Tests erforderlich sind, um sicherzustellen, dass dies überall funktioniert.
Kurz gesagt: Das Paper schlägt vor, dass man, wenn man wissen möchte, wer mit Herzrisiken zu kämpfen hat, eine bessere Antwort erhalten könnte, indem man seine Tweets liest, anstatt seinen Ausweis. Die Zahlen untermauern dies: 88,75 % Genauigkeit mit Tweets gegenüber 58,03 % mit Demografika. Es ist ein neuer Weg, die öffentliche Gesundheit zu betrachten, indem man das laute Geplapper des Internets in eine hilfreiche Karte für Ärzte verwandelt.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.