數位流行病學 - 透過AI分析社群媒體數據預測疾病
有越來越多的學者和醫生，利用人工智慧（AI）技術，分析Facebook、Twitter等社群媒體的數據，來確認人們的情緒。甚至，學者們已經能從個人的推文，來預測人們心臟病發病的機率，以及憂鬱症的傾向。
這種使用AI技術，並透過數位世界數據進行疾病預測的方法，稱為「數位流行病學」（digital epidemiology）。而數位流行病學的發展，可以追溯到2008年，當時Google的研究人員試圖透過搜索引擎中的關鍵字，來預測流感趨勢。
到了2015年，美國史丹佛大學心理學系教授約翰內斯·艾希施泰特（Johannes C. Eichstaedt）與團隊夥伴們 [1]，透過美國1,300多個鄉鎮的1億多條推文，發展出心臟病預測模型，該模型能根據表達憤怒或敵意的負面推文，有效地預測出特定地點的心臟病死亡率。
圖1即顯示了美國東北部地圖中，美國疾病控制和預防中心（CDC）的心臟病（atherosclerotic heart disease, AHD）死亡率報告（左圖），與透過Twitter推文的疾病預測模型結果（右圖），可以發現兩者非常接近。
資料來源：Eichstaedt JC, Schwartz HA, Kern ML, Park G, Labarthe DR, Merchant RM, Jha S, Agrawal M, Dziurzynski LA, Sap M, Weeg C, Larson EE, Ungar LH, Seligman ME. Psychological language on Twitter predicts county-level heart disease mortality. Psychol Sci. 2015 Feb;26(2):159–69.
艾希施泰特教授進一步在2021年，透過Facebook社群媒體上的數據，訓練出有效的AI模型，能預測憂鬱症的傾向 [2]。艾希施泰特指出，在美國，每年大約有7%到26%的人患有憂鬱症，但只有不到一半的人接受了治療。他認為，像AI預測的新方法，可以改善識別和治療憂鬱症患者的方式。
最後，早期發現早期治療，背後所產生的社會效益很高。但使用社群媒體數據進行心理健康的預測，這種做法存在著重大的法律、監管與道德問題。在使用上，要非常小心。
作者：羅凱揚（台科大企管系博士）、鍾皓軒(臺灣行銷研究有限公司創辦人）
[1] Eichstaedt JC, Schwartz HA, Kern ML, Park G, Labarthe DR, Merchant RM, Jha S, Agrawal M, Dziurzynski LA, Sap M, Weeg C, Larson EE, Ungar LH, Seligman ME. Psychological language on Twitter predicts county-level heart disease mortality. Psychol Sci. 2015 Feb;26(2):159–69.
