Noch immer nutzen mehr als zwei Milliarden Menschen weltweit Facebook für den täglichen Austausch von Nachrichten innerhalb ihrer Netzwerke. Eine aktuelle Studie hat nun anhand der verwendeten Sprache und der Statusmeldungen versucht, mehr Daten zu möglichen Gesundheitsproblemen der NutzerInnen zu gewinnen: Mit Erfolg!
Die ForscherInnen begutachteten die Sprache und die Wortwahl von rund einer Million Facebookstatus-Meldungen. Diese wurden von insgesamt 999 NutzerInnen gepostet. Zeitgleich standen auch die Krankenakten mit demografischen Daten (Alter, Geschlecht und Rasse) und den Diagnosen der TeilnehmerInnen zur Verfügung. Die gefundenen Worte teilten die WissenschaftlerInnen in 200 Gruppen ein und untersuchten anhand dieser, ob bestimmte Worte oder Wortgruppen sich mit konkreten Erkrankungen in einen Zusammenhang bringen ließen.
Und in der Tat fanden sich solche Zusammenhänge: So verwendeten Alkoholabhängige oft Wörter wie "betrunken“ oder "Flasche“ oder "yeah“, Depressive Menschen sprachen dahingegen mehr über "Magen“, "Kopf“ und "Tränen“. DiabetikerInnen auf der anderen Seite bewegten sich eher in einem religiösen Umfeld mit Worten wie "Gott“ und "Gebet“.
Interessanterweise ließen sich viele der untersuchten Krankheitsbilder auch tatsächlich über die Sprache identifizieren. Besonders gut funktionierte dies bei Alkoholabusus, Hypertonie sowie bei der Depression. Für zehn der Diagnosen war Facebook sogar noch genauer als nur die demografischen Parameter aus den Datenbanken. Die höchste Vorhersagekraft anhand der Sprache und Wortwahl fanden die ForscherInnen für die Schwangerschaft, den Diabetes mellitus, Angststörungen und Psychosen sowie für Depressionen.
Die StudienautorInnen haben sogar schon einen Namen für die Nutzung gesundheitsrelevanter Daten und Sprache in sozialen Netzwerken: Wir sehen gerade die Geburtsstunde des sogenannten "Medioms". Genomics, Proteomics, Metabolomics und nun auch noch Mediomics? Oder ist alles doch am Ende nur einen Schritt näher am "gläsernen Menschen"?
Quelle: Merchant RM et al., Evaluating the predictability of medical conditions from social media posts. PLoS ONE 2019; 14(6): e0215476; https://doi.org/10.1371/journal.pone.0215476