Diabetes

12 ausgewählte Kurse, 28 Punkte: In der Sommerakademie von Springer Medizin können Sie schnell und effizient CME-Punkte für Ihre hausärztliche Fortbildung sammeln. Zur Teilnahme benötigen Sie das Fortbildungspaket. Sie erhalten damit 60 Tage Zugriff auf die Sommerakademie zum Preis von nur 29 €: www.springermedizin.de/cme-sommerakademie-teilnehmen
Modul: Ernährung bei Diabetes mellitus Typ 2

Ärzte Zeitung online, 30.06.2019

Verräterische Worte

Facebook weiß, woran Ihre Patienten leiden

Die Sprache, die Nutzer von Facebook in ihrem Posts verwenden, erlaubt mitunter mehr Rückschlüsse auf ihren Gesundheitszustand als demografische Daten. Zum Teil lassen sich sogar Krankheiten vorhersagen.

Von Lamia Özgör

122a0601_6837510-A.jpg

Milliarden Menschen teilen ihr Befinden auf Facebook mit.

© McPHOTO / blickwinkel / dpa

Das Wichtigste in Kürze

  • Frage: Lassen sich durch Facebook-Einträge Krankheiten vorhersagen?
  • Antwort: Die gehäufte Nutzung bestimmter Wortgruppen steht in Verbindungen mit bestimmten Krankheiten.
  • Bedeutung: Die Sprache auf Facebook kann Informationen zu einem Patienten geben, die Ärzten normalerweise vielleicht verwehrt bleiben.

PHILADELPHIA. Mehr als zwei Milliarden Menschen weltweit teilen ihren Alltag, ihre Gedanken und ihr tägliches Befinden auf sozialen Netzwerken wie Facebook. Somit findet sich auf diesen Servern ein schier unerschöpflicher Fundus an Patientendaten, von denen der behandelnde Arzt unter Umständen im Gespräch mit dem Patienten nie erfährt.

Kann man anhand der Wortwahl der Facebook-Einträge sogar erkennen, welche Krankheiten ein Nutzer hat? Man kann, entdeckte ein Team um Dr. Raina Merchant von der Universität von Philadelphia.

Die Wissenschaftler untersuchten die Sprache und Wortwahl aus fast einer Million Facebookstatus-Updates von insgesamt 999 Nutzern (PLoS ONE 2019; online 17. Juni). Zudem hatten sie Zugriff auf deren Krankenakten mit demografischen Daten (Alter, Geschlecht und Rasse) und bestehenden Diagnosen. Anschließend teilten sie verwandte Wörter in insgesamt 200 Gruppen ein und verglichen, ob es eine Assoziation zwischen der Nutzung bestimmter Wortgruppen und bestimmten Krankheiten gibt.

Tatsächlich ließen sich solche Zusammenhänge feststellen: Alkoholabhängige schrieben etwa häufig Wörter wie „betrunken“ oder „Flasche“, aber auch „yeah“, Depressive hingegen eher „Magen“, „Kopf“ oder „Tränen“. Unter Diabetikern wiederum häuften sich Begriffe aus dem religiösen Kontext, etwa „Gott“ oder „beten“.

Hohe Vohersagekraft bei Diabetes, Psychosen und Schwangerschaft

Letztlich ließen sich alle 21 untersuchten Krankheitsbilder (darunter Alkoholabhängigkeit, Bluthochdruck und Depression) durch die bei Facebook verwendete Sprache vorhersagen, davon ließen sich zehn Diagnosen mittels Facebook sogar genauer ableiten als nur durch die demografischen Daten. Die höchste Vorhersagekraft fand sich bei Schwangerschaft, Diabetes, Angststörungen, Psychosen und Depression.

Die Autoren heben hervor, dass natürlich nicht jeder, der auf Facebook das Wort „Flasche“ gebraucht, automatisch Alkoholiker ist. Doch könnten die Assoziationen zwischen Wortwahl und Gesundheitszustand helfen, neue Aspekte der Krankheiten zu erforschen – etwa, ob und welche Rolle Religion als soziale Variable bei Diabetes spielt und wie man sie gegebenenfalls sogar in die Krankheitskontrolle einbeziehen kann. Somit könnten neben den bislang üblichen Biomarkern, etwa dem Genom oder Proteom, eines Tages Daten aus den sozialen Netzwerken als sogenanntes Mediom in die Gesundheitsforschung einfließen, diskutieren Merchant und ihre Kollegen.

Lesen Sie dazu auch den Kommentar:
Schöne neue Welt?

Weitere Beiträge aus diesem Themenbereich
[01.07.2019, 08:43:55]
Dr. Thomas Georg Schätzler 
Facebook-Analysen: Reines Kaffeesatzlesen?
Dass Sprache, Syntax u n d Orthografie, welche die Nutzer von Facebook in ihren Posts verwenden, Rückschlüsse auf Bildungsgrad, soziale und emotionale Intelligenz, Aggressions- und kulturelles Reflexions-Niveau erlauben, dafür bedarf es m. E. nicht mal eines Algorithmus. Selbst beim Präsidenten der Vereinigten Staaten Donald Trump ist, gemessen an seinen politisch-privaten Mitteilungen auf Twitter, eine schwere, möglicherweise maligne narzisstische Störung erkennbar.
Is Donald Trump a textbook narcissist? -
https://www.washingtonpost.com/.../wp/2016/07/22/is-donald-trump-a-textbook-narcissist


Doch Rückschlüsse auf Gesundheits- und Krankheitszustände bzw. deren prospektive Vorhersage-Möglichkeiten auf Grund von Internet-Daten sind höchst spekulativ, weil sie in der Regel gar nicht verifiziert bzw. validiert werden.

Ich kann das hier nur exemplarisch an einer Publikation veranschaulichen:
Eine aktuelle "Proof of Concept-Studie", publiziert unter NPJ Schizophr. 2019; 5: 9. Published online 2019 Jun 13. doi: 10.1038/s41537-019-0077-9
“A machine learning approach to predicting psychosis using semantic density and latent content analysis“
von Neguine Rezaii et al. widerspricht sich mit ihren Ergebnissen selbst.

Keineswegs werden die Vorhersage-Möglichkeiten für die Manifestation einer klinisch relevanten Psychose durch „machine learning“ nachweislich verbessert. Denn die Ergebnisse sind äußerst voreingenommen und dürftig. Ganze 40 Teilnehmer der nordamerikanischen Prodrom-(Krankheitsvorzeichen)-Längsschnitt-Studie (NAPLS) wurden über 2 Jahre oder bis zum Psychose-Übergang nachverfolgt. Zum Training des Machine-Learning-Modells wurden nur noch 30 Probanden inkludiert: Davon entwickelten 7 eine und 23 keine Psychosen. Zur Validierung wurden dann nur noch 5 Probanden mit und 5 Probanden ohne Psychose eingeschlossen.

In der Prodromalphase des möglichen Psychose-Auftretens wurden bei der Internet-Recherche klassische klinisch-psychiatrische Hinweise verwendet, wie sie in jeder Anamnese abgefragt werden:
- Geringgradige sprachlich-semantische Dichte
- Steigende Tendenz, über [fremde] Stimmen und Geräusche zu sprechen.
Dass diese zwei kombinierten Indikatoren eine zukünftige Psychose mit hochgradiger Genauigkeit voraussagen könnten, ist angesichts einer Trefferquote von 23,3 Prozent bei 7 „Convertern“ und einer Versagerquote von 76,7 Prozent bei 23 „Non-Convertern“ ein wissenschaftlich kaum zu verbrämendes Armutszeugnis.

[„Results - Our findings indicate that during the prodromal phase of psychosis, the emergence of psychosis was predicted by speech with low levels of semantic density and an increased tendency to talk about voices and sounds. When combined, these two indicators of psychosis enabled the prediction of future psychosis with a high level of accuracy.
Speech samples were drawn from 40 participants of the North American Prodrome Longitudinal Study (NAPLS) at Emory University (see Methods). Participants were followed up for 2 years or to the time of conversion. For training the model, we included 30 participants from the second phase of the NAPLS (NAPLS-2). Seven of these individuals converted to psychosis during follow-up (Converters) and 23 did not (Non-converters). For validating the model, we included 10 participants, five Converters and five Non-converters from the third phase of the NAPLS (NAPLS-3).”]

Mf+kG, Dr. med. Thomas G. Schhätzler, FAfAM Dortmund

 zum Beitrag »

Schreiben Sie einen Kommentar

Überschrift

Text

Die Newsletter der Ärzte Zeitung

Lesen Sie alles wichtige aus den Bereichen Medizin, Gesundheitspolitik und Praxis und Wirtschaft.

NEU als Themen abonnierbar: Frauengesundheit und Kindergesundheit

Alles auf Anfang bei der Alzheimerentstehung!

Beta-Amyloid ist wohl doch ein entscheidender Faktor für Alzheimer. Neue Forschungen stützen diese These. Im Zentrum stehen dabei zelluläre Prozesse und Apolipoprotein E (ApoE). mehr »

Bessere Versorgung mit weniger Kliniken

Fast jedes zweite Krankenhaus in Deutschland sollte geschlossen werden, um die Versorgung zu verbessern. Zu diesem Ergebnis kommt eine Bertelsmann-Studie. mehr »

Spahn trennt Medizinische Dienste vom Kassensystem ab

Morgen berät das Bundeskabinett über das MDK-Reformgesetz von Bundesgesundheitsminister Jens Spahn. Neuer Streit ist programmiert. mehr »