Cardiovascular Disease Risk Prediction via Social Media
Cette étude démontre que l'analyse des données Twitter à l'aide d'un dictionnaire de mots-clés personnalisé sur les maladies cardiovasculaires, de l'analyse de sentiment VADER et de modèles d'apprentissage automatique (particulièrement SVM et CNN-LSTM) prédit efficacement le risque de maladie cardiovasculaire au niveau de l'État, surpassant les approches traditionnelles basées sur les données démographiques du CDC.
Imaginez que vous essayiez de deviner qui pourrait avoir un problème cardiaque à l'avenir. Traditionnellement, les médecins et les chercheurs ont examiné les données de la « carte d'identité » d'une personne : son âge, son sexe, sa race et son lieu de résidence. C'est comme essayer de prédire la météo en regardant seulement le calendrier ; cela vous donne une idée générale, mais cela rate l'accumulation des nuages d'orage en ce moment même.
Cet article suggère une approche différente, plus ludique : écouter ce que les gens disent réellement sur Twitter. Les chercheurs ont traité les réseaux sociaux comme une immense pièce bruyante où les gens discutent de leur vie. Ils voulaient voir si les émotions et les mots utilisés par les gens pouvaient servir de meilleur « système d'alerte précoce » pour les maladies cardiaques que la simple vérification de leurs cartes d'identité démographiques.
Le travail de détective : la création d'un dictionnaire spécial
D'abord, l'équipe a dû déterminer quoi écouter. Ils ne se sont pas contentés de chercher le jargon médical comme « angiogramme » ou « hypertension ». Ils ont construit un « dictionnaire de détective » personnalisé qui mélangeait des termes médicaux sérieux avec l'argot quotidien et les expressions de style de vie que les gens utilisent réellement lorsqu'ils parlent de stress, de tabagisme ou de douleurs thoraciques. Ils ont scanné des tweets provenant de 18 États différents des États-Unis (incluant la région des Appalaches) sur trois ans, collectant près de 270 000 messages.
La bague de l'humeur : VADER et les étiquettes
Une fois les tweets en leur possession, ils devaient déterminer l'« ambiance ». Ils ont utilisé un outil appelé VADER, qui agit comme une bague de l'humeur ultra-rapide pour le texte. Il lit les mots et décide si le sentiment est positif, négatif ou neutre.
Voici la partie ingénieuse : ils ont établi une règle spécifique. Si les tweets d'un utilisateur montraient un certain niveau de sentiment négatif lié à ces mots-clés de risque cardiaque, l'ordinateur les étiquetait comme « 1 » (potentiellement à risque). Si l'ambiance était différente, ils étaient étiquetés « 0 » (pas à risque). Voyez cela comme un professeur corrigeant un examen où la « bonne réponse » pour être à risque est un motif spécifique de mots grincheux ou inquiets.
La course : l'ancienne école contre la nouvelle technologie
Vint alors le grand affrontement. Les chercheurs ont entraîné deux équipes de cerveaux informatiques différentes pour prédire qui était à risque :
- L'équipe A (L'équipe Twitter) : Ils ont fourni à l'ordinateur les tweets étiquetés selon l'humeur.
- L'équipe B (L'équipe Carte d'Identité) : Ils ont fourni à l'ordinateur un ensemble de données gouvernementales standard (du CDC) contenant uniquement des informations démographiques comme le sexe, la race et la localisation.
Ils ont testé les deux équipes en utilisant plusieurs « joueurs » différents (algorithmes), incluant des méthodes mathématiques de l'ancienne école et un nouveau cerveau hybride sophistiqué appelé CNN-LSTM (qui est comme un robot capable à la fois de voir des motifs dans les images et de se souvenir de longues conversations).
Le tableau des scores
Les résultats étaient clairs, et l'équipe Twitter a gagné par un raz-de-marée.
- L'équipe Carte d'Identité (Données du CDC) : Lorsqu'ils ont essayé de prédire le risque de maladie cardiaque en utilisant uniquement des informations démographiques, le meilleur joueur (Régression Logistique) n'a obtenu qu'environ 58,03 % de bonnes réponses. Le modèle sophistiqué CNN-LSTM a fait encore moins bien, atteignant 57,64 %. C'était comme essayer de deviner le vainqueur d'une course en regardant seulement la pointure de chaussures des coureurs.
- L'équipe Twitter : Lorsqu'ils ont utilisé les données émotionnelles des tweets, les résultats ont grimpé en flèche. Le modèle SVM (un type de machine à vecteurs de support) a atteint une précision de test de 88,75 %. Le modèle de Régression Logistique suivait de près à 87,82 %. Même le modèle hybride CNN-LSTM, qui a obtenu 77,51 %, a écrasé les résultats des données démographiques.
Ce que cela signifie (et ce que cela ne signifie pas)
L'article suggère que l'écoute du « bavardage émotionnel » sur les réseaux sociaux est une boule de cristal bien plus puissante pour repérer les risques de maladies cardiaques que la simple consultation de l'adresse ou du sexe d'une personne. Les auteurs soutiennent que les mots que les gens tapent en ligne révèlent leurs risques psychologiques et comportementaux d'une manière que les données statiques ne peuvent tout simplement pas faire.
Cependant, l'article prend soin de ne pas présenter cela comme un remède miracle. Ils notent qu'il s'agit d'une étude spécifique utilisant des données de 2019 à 2021, et bien que les résultats soient prometteurs, ils sont une « suggestion » que cette méthode fonctionne mieux que l'ancienne façon, et non une loi finale et immuable de l'univers. Ils soulignent également qu'ils ont dû être prudents avec les réglages de leur « bague de l'humeur » (en utilisant un seuil spécifique de -0,30) pour que les étiquettes fonctionnent, et que des tests supplémentaires sont nécessaires pour s'assurer que cela fonctionne partout.
En bref, l'article propose que si vous voulez savoir qui pourrait être aux prises avec des risques cardiaques, vous pourriez obtenir une meilleure réponse en lisant leurs tweets qu'en lisant leur carte d'identité. Les chiffres le confirment : 88,75 % de précision avec les tweets contre 58,03 % avec la démographie. C'est une nouvelle façon d'envisager la santé publique, transformant le bavardage bruyant d'Internet en une carte utile pour les médecins.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.