Cardiovascular Disease Risk Prediction via Social Media
यह अध्ययन प्रदर्शित करता है कि एक कस्टम CVD कीवर्ड डिक्शनरी, VADER सेंटीमेंट एनालिसिस और मशीन लर्निंग मॉडल (विशेष रूप से SVM और CNN-LSTM) का उपयोग करके ट्विटर डेटा का विश्लेषण करना, पारंपरिक जनसांख्यिकीय-आधारित दृष्टिकोणों (CDC डेटा से) की तुलना में राज्य स्तर पर हृदय रोग (कार्डियोवैस्कुलर डिजीज) के जोखिम की प्रभावी ढंग से भविष्यवाणी करता है।
कल्पना कीजिए कि आप यह अनुमान लगाने की कोशिश कर रहे हैं कि भविष्य में किसे दिल की बीमारी हो सकती है। पारंपरिक रूप से, डॉक्टर और शोधकर्ता किसी व्यक्ति के "आईडी कार्ड" डेटा को देखते रहे हैं: उनकी उम्र, लिंग, जाति और वे कहाँ रहते हैं। यह मौसम की भविष्यवाणी करने के लिए केवल कैलेंडर देखने जैसा है; यह एक सामान्य विचार तो देता है, लेकिन यह वर्तमान में बन रहे तूफानी बादलों को नहीं देख पाता।
यह शोध पत्र एक अलग, अधिक रोचक दृष्टिकोण का सुझाव देता है: लोगों द्वारा ट्विटर पर वास्तव में कही जा रही बातों को सुनना। शोधकर्ताओं ने सोशल मीडिया को एक विशाल, शोर-शराबे वाले कमरे की तरह माना जहाँ लोग अपने जीवन के बारे में बातें कर रहे हैं। वे यह देखना चाहते थे कि क्या लोगों द्वारा उपयोग किए जाने वाले भावों (emotions) और शब्दों का उपयोग दिल की बीमारी के लिए एक बेहतर "प्रारंभिक चेतावनी प्रणाली" के रूप में किया जा सकता है, बजाय इसके कि केवल उनके जनसांख्यिकीय आईडी कार्ड की जाँच की जाए।
जासूसी का काम: एक विशेष शब्दकोश बनाना
सबसे पहले, टीम को यह तय करना था कि क्या सुनना है। उन्होंने केवल "एंजियोग्राम" या "हाइपरटेंशन" जैसे चिकित्सा शब्दों की तलाश नहीं की। उन्होंने एक कस्टम "जासूसी शब्दकोश" बनाया जिसमें गंभीर चिकित्सा शब्दों को रोजमर्रा की बोलचाल और जीवनशैली से जुड़े वाक्यांशों के साथ मिलाया गया, जिनका उपयोग लोग तनाव, धूम्रपान या सीने में दर्द के बारे में बात करते समय वास्तव में करते हैं। उन्होंने तीन वर्षों में 18 विभिन्न अमेरिकी राज्यों (एपलाचियन क्षेत्र सहित) के ट्वीट्स को स्कैन किया, जिससे लगभग 2,70,000 संदेश एकत्र हुए।
मूड रिंग: VADER और लेबल
एक बार जब उनके पास ट्वीट्स आ गए, तो उन्हें यह समझना था कि "वाइब" (vibe) क्या है। उन्होंने VADER नामक एक टूल का उपयोग किया, जो टेक्स्ट के लिए एक सुपर-फास्ट "मूड रिंग" की तरह काम करता है। यह शब्दों को पढ़ता है और तय करता है कि भावना सकारात्मक, नकारात्मक या तटस्थ है।
यहाँ एक चतुर हिस्सा है: उन्होंने एक विशिष्ट नियम निर्धारित किया। यदि किसी उपयोगकर्ता के ट्वीट्स में इन हृदय-जोखिम संबंधी कीवर्ड्स से संबंधित एक निश्चित स्तर का नकारात्मक भाव दिखता था, तो कंप्यूटर ने उन्हें "1" (संभावित रूप से जोखिम में) के रूप में लेबल किया। यदि वाइब अलग थी, तो उन्हें "0" (जोखिम में नहीं) के रूप में लेबल किया गया। इसे एक शिक्षक द्वारा टेस्ट ग्रेड करने की तरह समझें जहाँ जोखिम में होने का "सही उत्तर" गुस्से या चिंता भरे शब्दों का एक विशिष्ट पैटर्न है।
दौड़: पुराना तरीका बनाम नई तकनीक
अब बड़ा मुकाबला शुरू हुआ। शोधकर्ताओं ने दो अलग-अलग कंप्यूटर दिमागों (कंप्यूटर ब्रेन्स) को भविष्यवाणी करने के लिए प्रशिक्षित किया:
- टीम A (द ट्विटर टीम): उन्होंने कंप्यूटर को मूड-लेबल वाले ट्वीट्स खिलाए।
- टीम B (द आईडी कार्ड टीम): उन्होंने कंप्यूटर को एक मानक सरकारी डेटासेट (CDC से) दिया जिसमें केवल लिंग, जाति और स्थान जैसी जनसांख्यिकीय जानकारी थी।
उन्होंने कई अलग-अलग "खिलाड़ियों" (एल्गोरिदम) का उपयोग करके दोनों टीमों का परीक्षण किया, जिनमें कुछ पुराने गणितीय तरीके और एक फैंसी नया हाइब्रिड ब्रेन CNN-LSTM (जो एक ऐसे रोबोट की तरह है जो छवियों में पैटर्न देख सकता है और लंबी बातचीत को याद भी रख सकता है) शामिल थे।
स्कोरबोर्ड
परिणाम स्पष्ट थे, और ट्विटर टीम भारी अंतर से जीत गई।
- द आईडी कार्ड टीम (CDC डेटा): जब उन्होंने केवल जनसांख्यिकीय जानकारी का उपयोग करके हृदय रोग के जोखिम की भविष्यवाणी करने की कोशिश की, तो सबसे अच्छे खिलाड़ी (लॉजिस्टिक रिग्रेशन) ने केवल 58.03% उत्तर सही दिए। फैंसी CNN-LSTM मॉडल और भी खराब प्रदर्शन कर गया, जो केवल 57.64% तक ही पहुँच सका। यह धावकों के जूतों के आकार को देखकर दौड़ के विजेता का अनुमान लगाने जैसा था।
- द ट्विटर टीम: जब उन्होंने ट्वीट्स के भावनात्मक डेटा का उपयोग किया, तो परिणाम आसमान छू गए। SVM मॉडल (एक प्रकार का सपोर्ट वेक्टर मशीन) ने 88.75% की टेस्ट सटीकता हासिल की। लॉजिस्टिक रिग्रेशन मॉडल भी 87.82% के साथ उसके करीब रहा। यहाँ तक कि हाइब्रिड CNN-LSTM मॉडल, जिसने 77.51% स्कोर किया, उसने भी जनसांख्यिकीय डेटा के परिणामों को पीछे छोड़ दिया।
इसका क्या अर्थ है (और क्या नहीं है)
शोध पत्र सुझाव देता है कि सोशल मीडिया पर "भावनात्मक चर्चा" को सुनना, केवल किसी के पते या लिंग को देखने की तुलना में दिल की बीमारी के जोखिमों को पहचानने के लिए एक बहुत अधिक शक्तिशाली भविष्य बताने वाला यंत्र (crystal ball) है। लेखक तर्क देते हैं कि लोग ऑनलाइन जो शब्द टाइप करते हैं, वे उनके मनोवैज्ञानिक और व्यवहारिक जोखिमों को उस तरह से प्रकट करते हैं जिसे स्थिर डेटा (static data) सरल रूप से नहीं कर सकता।
हालाँकि, शोध पत्र इस बात पर जोर देने में सावधानी बरतता है कि यह कोई जादुई इलाज नहीं है। वे उल्लेख करते हैं कि यह 2019 से 2021 के डेटा का उपयोग करने वाला एक विशिष्ट अध्ययन है, और हालांकि परिणाम आशाजनक हैं, वे एक "सुझाव" है कि यह तरीका बेहतर काम करता है, न कि एक अंतिम, अपरिवर्तनीय सार्वभौमिक नियम। वे यह भी बताते हैं कि उन्हें अपने "मूड रिंग" सेटिंग्स (एक विशिष्ट थ्रेशोल्ड -0.30 का उपयोग करना) के साथ सावधान रहना पड़ा ताकि लेबल काम कर सकें, और यह सुनिश्चित करने के लिए और अधिक परीक्षण की आवश्यकता है कि यह हर जगह काम करे।
संक्षेप में, शोध पत्र प्रस्तावित करता है कि यदि आप जानना चाहते हैं कि किसे हृदय जोखिमों से जूझना पड़ सकता है, तो आपको उनके आईडी कार्ड को पढ़ने के बजाय उनके ट्वीट्स पढ़कर बेहतर उत्तर मिल सकता है। आंकड़े इसकी पुष्टि करते हैं: ट्वीट्स के साथ 88.75% सटीकता बनाम जनसांख्यिकी के साथ 58.03%। यह सार्वजनिक स्वास्थ्य को देखने का एक नया तरीका है, जो इंटरनेट की शोर भरी बातचीत को डॉक्टरों के लिए एक सहायक मानचित्र में बदल देता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।