Ψυχική Υγεία

Προβλέποντας τη μοναξιά μέσω online ψηφιακών αποτυπωμάτων

Προβλέποντας τη μοναξιά μέσω online ψηφιακών αποτυπωμάτων
Η προτεινόμενη προσέγγιση θα μπορούσε να συμβάλει σε ψηφιακούς πίνακες ελέγχου υγείας για άτομα, όπου τα δεδομένα τους, σε συνδυασμό με μοντέλα που εκτελούνται στους υπολογιστές τους.

Τα δεδομένα χρηστών από το Google, το YouTube και άλλες διαδικτυακές πλατφόρμες μπορούν να χρησιμοποιηθούν για την πρόβλεψη, την πρόληψη, ακόμη και τον μετριασμό της μοναξιάς, μειώνοντας ενδεχομένως τον κίνδυνο αυτοκτονίας για άτομα που βρίσκονται σε κίνδυνο, σύμφωνα με μελέτη της Rutgers. «Το άγχος και η μοναξιά συνήθως διαγιγνώσκονται στο ιατρείο», δήλωσε ο Vivek K. Singh, διευθυντής του Behavioral Informatics Lab στο Rutgers School of Communication and Information.

«Θέλαμε να δούμε εάν τα δεδομένα που συλλέγονται παθητικά, από τους ιστότοπους που επισκέπτονται οι άνθρωποι ή τους όρους αναζήτησης που χρησιμοποιούν, θα μπορούσαν να αναλυθούν με μηχανική μάθηση για να είναι κλινικά χρήσιμα», είπε ο Singh. «Ο στόχος ήταν να δούμε αν υπάρχουν σαφείς συνδέσεις μεταξύ των ψηφιακών ιχνών και των δεικτών ευεξίας». Καθώς η μοναξιά φτάνει σε επίπεδα «επιδημίας» στις Ηνωμένες Πολιτείες, γίνονται προσπάθειες για την ανάπτυξη αυτοματοποιημένων ή χαμηλού κόστους μεθόδων υποστήριξης ατόμων που αντιμετωπίζουν ψυχοκοινωνική δυσφορία. Ο Singh είπε ότι η καλύτερη χρήση του ιστορικού περιήγησής μας στο διαδίκτυο θα μπορούσε να βοηθήσει.

Για να προσδιορίσουν εάν η μηχανική μάθηση μπορεί να προβλέψει με ακρίβεια τη μοναξιά, ο Singh και οι συνεργάτες του από τη Σχολή Επικοινωνίας και Πληροφοριών του Rutgers (Eiman Ahmed, Liyang Xue, Haein Kong και Arcadio Matos), το Τμήμα Επιστήμης Υπολογιστών (Aniket Sanap) και τη Σχολή Δημόσιας Υγείας (Vincent Silenzio) στρατολόγησε 92 εθελοντές ως μέρος της μελέτης ευεξίας Rutgers, μιας έρευνας διάρκειας 10 εβδομάδων για τις διαδικτυακές συμπεριφορές και την ψυχική υγεία των χρηστών στις αρχές του 2021, μια περίοδο εκτεταμένης απομόνωσης που σχετίζεται με τον COVID-19.

Κάθε συμμετέχων συμφώνησε να κοινοποιήσει τα μεταδεδομένα που συλλέγονται από την Google και το YouTube κατά τη διάρκεια αναζητήσεων, επισκέψεων σε ιστότοπους και άλλων διαδικτυακών δραστηριοτήτων. Με ανώνυμες εκδόσεις αυτών των «δεδομένων ψηφιακών ιχνών», οι ερευνητές δημιούργησαν μοντέλα υπολογιστών σχεδιασμένα να εντοπίζουν διαδικτυακές συμπεριφορές που σχετίζονται με κλινικά επίπεδα μοναξιάς. Διεξήγαγαν επίσης έρευνες ψυχικής υγείας με συμμετέχοντες κάθε εβδομάδα και στην αρχή, στη μέση και στο τέλος της μελέτης.

Στη συνέχεια, τα μοντέλα μηχανικής μάθησης κατευθύνθηκαν στην πρόβλεψη των επιπέδων μοναξιάς με βάση τη διαδικτυακή χρήση. Οι δραστηριότητες αναλύθηκαν ανά κατηγορία—όπως «αθλήματα», «μουσική» και «εκπαίδευση»—καθώς και κατά συγκεντρωτικά στοιχεία («εβδομαδιαίος αριθμός περιόδων σύνδεσης στο YouTube», «εβδομαδιαίος αριθμός αναζητήσεων Google»). Στη συνέχεια, οι προβλέψεις που παρήγαγαν τα μοντέλα συγκρίθηκαν με τις πληροφορίες της έρευνας ψυχικής υγείας των συμμετεχόντων.

Τα αποτελέσματα ήταν πολλά υποσχόμενα, είπε ο Singh. Όχι μόνο τα μοντέλα ήταν αποτελεσματικά στη μέτρηση της μοναξιάς, είπε, αλλά έριξαν φως στο ποιες πλατφόρμες ήταν καλύτεροι προγνωστικοί παράγοντες. Για παράδειγμα, οι “μοναχικοί” συμμετέχοντες χρησιμοποιούσαν την Αναζήτηση Google περισσότερο από τους “μη μοναχικούς” συμμετέχοντες και οι “μη μοναχικοί” συμμετέχοντες χρησιμοποιούσαν το YouTube περισσότερο από τους “μοναχικούς” συμμετέχοντες.

Υπάρχουν πιθανά μειονεκτήματα σε αυτούς τους τύπους αλγορίθμων και σε λάθος χέρια, η τεχνολογία συλλογής δεδομένων μπορεί να γίνει κατάχρηση, είπε ο Singh. Αλλά πρόσθεσε ότι τα εργαλεία που δημιουργήθηκαν για αυτή τη μελέτη, την οποία ελπίζει να αναπτύξει περαιτέρω, δίνουν τη μεγαλύτερη σημασία στην ασφάλεια των δεδομένων. Τα προσωπικά αναγνωριστικά από όλα τα δεδομένα, όπως το όνομα, η διεύθυνση και οι αριθμοί τηλεφώνου, αφαιρέθηκαν από τα δεδομένα πριν από την ανάλυση. Η ενημερωμένη συγκατάθεση και η θεσμική ανασκόπηση ήταν μέρος του σχεδιασμού της μελέτης.

“Με βελτιώσεις, πιστεύουμε ότι η προτεινόμενη προσέγγιση θα μπορούσε να συμβάλει σε ψηφιακούς πίνακες ελέγχου υγείας για άτομα, όπου τα δεδομένα τους, σε συνδυασμό με μοντέλα που εκτελούνται στους υπολογιστές τους (π.χ. ως πρόσθετα ιστού), θα μπορούσαν να χρησιμοποιηθούν για τον προσδιορισμό της υγείας και να παρέχουν υποστήριξη και καθοδήγηση μέσω της ευαισθητοποίησης υλικό ή παραπομπές», έγραψαν οι ερευνητές.