Kognitiivisten teknologioiden hyödyntäminen mielenterveyden häiriöiden havaitsemisessa sosiaalisessa mediassa

Mielenterveyden häiriöiden määrä ja taloudellinen taakka on kasvanut viimeisten vuosikymmenien aikana merkittävästi. Maailmanlaajuisesti masennuksesta kärsii yli 300 miljoonaa ihmistä, ja mielenterveyden häiriöiden kustannukset ovat maailmanlaajuisesti noin 2,5 biljoonaa USA:n dollaria. Sekä määrää että kustannuksia voidaan vähentää ennakoivilla toimenpiteillä. Ihmisille ei ole tyypillistä kiinnittää merkittävää huomiota mielenterveyteensä normaalin terveyden tavalla. Siksi on tärkeä havaita ja rohkaista ihmisiä kliinisiin tutkimuksiin hyvissä ajoin, ennen kuin ongelma etenee pidemmälle. Tässä kirjallisuuskatsauksessa kartoitin sitä, miten sosiaalista mediaa voidaan käyttää ennakoivana alustana. Tämä suoritetaan usein tekoälyteknologioita hyödyntäen analysoimalla ihmisten tekemiä julkaisuja, ja niistä mahdollisia merkkejä tai oireita löytämällä. Aikaisemmissa tutkimuksissa on päästy merkittäviin tuloksiin analysoimalla sosiaalisesta mediasta haettua teksti- tai kuvadataa, tai analysoimalla muuta toimintaa sosiaalisissa verkostoissa. Tämä tapahtuu usein yhdistämällä useita eri muuttujia, liittyen tehtyihin julkaisuihin. Näitä muuttujia ovat esimerkiksi kielen käyttö, julkaisujen tiheys ja ajankohta, saadut kommentit tai julkaistujen kuvien eri ominaisuudet. Tekoälyteknologioita hyödyntäen ihmisten tekemistä julkaisuista voidaan päätellä merkittävän tarkasti, kärsiikö henkilö potentiaalisesti piilevästä mielenterveyden häiriöstä, tai onko hän tulevaisuudessa potentiaalinen uhri mielenterveysongelmille. Tämän kaltaisia analyysin tuloksia voi hyödyntää monella tavalla ohjaamaan ja rohkaisemaan käyttäjää kliinisiin tutkimuksiin.

Mental disorders in general are a great burden to society when considering the amount and costs of different mental disorders. Globally, over 300 million people are affected by depression, and the costs of different mental disorders are estimated to have been around 2.5 trillion US dollars. Both the costs, and the amount of people affected can be lowered with pre-emptive measures. It is not typical for generally healthy people to give great notice to their mental health. That is why it is important to notice these disorders, and encourage people to seek medical assistance, before the problem escalates any further. In this literature review I took a look on how social media can be used as a platform to early screening. This is done by using different artificial intelligence technologies to analyze posts made by people, and search for signs and symptoms. Previous researchers have found great success in this by analyzing text or image data. Researches have also analyzed other activities in social networking sites, such as networking or other interactions between users. All this is usually done by combining different kind of variables from posts. These variables include for example linguistic factors, frequency and timestamp of posts, received comments and different characteristics of a published image. Using machine learning, it is possible to detect depressive behavior or other potential mental disorders, to a significant accuracy. The results of these kind of analysis’s can be used in various ways to encourage the user to seek medical assistance.