ట్వీట్లను బట్టి మెంటల్ డిజార్డర్స్‌ను గుర్తించవచ్చు.. పరిశోధనలో ముందడుగు

దిశ, ఫీచర్స్ : డిప్రెషన్, యాంగ్జయిటీ వంటి మానసిక సమస్యలను రోగిని పరిశీలించడం, ప్రవన్తల ద్వారా నిపుణులు గుర్తిస్తారు. కానీ అందుకు భిన్నంగా ఆయా వ్యక్తుల ట్వీట్స్ ద్వారా డిప్రెషన్‌ను గుర్తించవచ్చని తాజా అధ్యయనం పేర్కొన్నది. ఇందులో భాగంగా పబ్లిక్‌గా పోస్ట్ చేసిన 47 మిలియన్ల పోర్చుగీస్ టెక్ట్స్‌లు, 3900 ట్విట్టర్ యూజర్స్ మధ్య కనెక్షన్ల నెట్‌వర్క్‌కు సంబంధించిన ఇన్ఫర్మేషన్‌ను, సెటెంబ్రోబీఆర్ (SetembroBR) అని పిలిచే డేటాబేస్‌ను రూపొందించడం అనేది ఈ స్టడీలో ఫస్ట్ స్టెప్‌గా చెప్పొచ్చు. అయితే సైంటిస్టులు ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI), ట్విటర్‌ని ఉపయోగించి, క్లినికల్ డయాగ్నసిస్‌కు ముందు ఈ అనారోగ్య సంకేతాలను గుర్తించగల యాంగ్జయిటీ, డిప్రెషన్ ప్రిడిక్షన్ మోడల్స్‌ను రూపొందించేందుకు కృషి చేస్తున్నారు.

బ్రెజిల్‌లోని యూనివర్సిటీ ఆఫ్ సావో పాలో (USP) పరిశోధకుల బృందం ముందుగా ఆయా వ్యక్తులు సోషల్ మీడియా ఫ్రెండ్స్, ఫాలోవర్స్ బేస్డ్ డిప్రెషన్‌ను అభివృద్ధి చేసే పరిస్థితిని గుర్తించే అవకాశాన్ని కనుగొన్నారు. డిప్రెషన్, యాంగ్జయిటీ, బైపోలార్ డిజార్డర్‌పై దృష్టి సారించిన నేచురల్ లాంగ్వేజ్ ప్రాసెసింగ్(ఎన్‌ఎల్‌పి)కి సంబంధించిన అనేక అధ్యయనాలు ఉన్నప్పటికీ.. వీటిలో చాలా వరకు ఇంగ్లీష్ టెక్ట్స్ బుక్స్‌ను విశ్లేషించారు. బ్రెజిలియన్ల ప్రొఫైల్‌లతో సరిపోలడం లేదని పరిశోధకులు తెలిపారు. పబ్లిక్‌గా పోస్టు చేసిన 47 మిలియన్ల పోర్చుగీస్ టెక్ట్స్‌ను, 3900 ట్విట్టర్ యూజర్స్ మధ్య కనెక్షన్‌ల నెట్‌వర్క్, కార్పస్‌కు సంబంధించిన సమాచారాన్ని సెటెంబ్రోబీఆర్ (SetembroBR) అని పిలిచే డేటాబేస్‌ను రూపొందించడం ద్వారా యూజర్స్ మెంటల్ హెల్త్‌ను పరిశీలించారు.

ముందు మాన్యువల్‌గా టైమ్‌లైన్‌లను సేకరించి 19,000 మంది యూజర్స్‌ను ఎనలైజింగ్ చేసినట్లు పరిశోధకులు తెలిపారు. ఇది ఒక విలేజ్ లేదా స్మాల్ టౌన్‌లోని జనాభాకు సమానమని చెప్పారు. ఇందుకోసం వారు రెండు డేటాసెట్‌లను యూజ్ చేశారు. ఒకటి మానసిక ఆరోగ్య సమస్యతో బాధపడుతున్నట్లు నివేదించిన యూజర్ల కోసం అయితే, మరొకటి కంట్రోల్ పర్పస్ కోసం యాదృచ్ఛికంగా ఎంపిక చేయబడింది. డిప్రెషన్‌తో బాధపడుతున్న వ్యక్తులు, సాధారణ జనాభా మధ్య తేడాను గుర్తించాలని తాము భావిస్తున్నట్లు పరిశోధకుడు ప్రొఫెసర్ ఇవాండ్రే పారబోని(Ivandre Paraboni) పేర్కొన్నాడు.

మెంటల్ హెల్త్ సమస్యలతో బాధపడుతున్న వ్యక్తులు చర్చా వేదికలు, ఇన్‌ఫ్లుయెన్సర్స్, తమ నిరాశను బహిరంగంగా గుర్తించే ప్రముఖులు నిర్దిష్ట అకౌంట్స్‌ను అనుసరించడానికి మొగ్గు చూపుతున్నందున.. అధ్యయనంలో భాగంగా ఫ్రెండ్స్ అండ్ ఫాలోవర్స్ ట్వీట్లను కూడా సేకరించారు. ఇక సెకండ్ స్టెప్ ఇప్పటికీ ప్రోగ్రెస్‌లో ఉంది. వ్యక్తుల సొంత పోస్టులను పరిగణనలోకి తీసుకోకుండా, కేవలం వారి సోషల్ మీడియా ఫ్రెండ్స్ అండ్ ఫాలోవర్స్ బేస్డ్‌గా ఒక వ్యక్తి డిప్రెషన్‌ను పొందే పరిస్థితిని గుర్తించే అవకాశం వంటి కొన్ని ప్రైమరీ రిజల్ట్స్‌ను అందించింది.

ప్రామాణికం కాని అక్షరాలను తొలగించడం ద్వారా అసలైన టెక్ట్స్‌లను నిర్వహించడానికి కార్పస్ ప్రీ-ప్రాసెసింగ్‌ను అనుసరించి, మోడల్‌లను ఉపయోగించి నాలుగు టెక్ట్స్ క్లాసిఫైయర్స్ అండ్ వర్డ్ ఎంబెడ్డింగ్‌లను (context-dependent mathematical representations of relations between words) రూపొందించడానికి పరిశోధకులు లోతుగా పరిశీలించారు. ఏఐ టెక్నాలజీని ఉపయోగించారు. పీటీఐ ప్రకారం.. ఈ నమూనాలు ఒక వాక్యంలోని పదాల వంటి వరుస డేటా సంబంధాలను పర్యవేక్షించడం ద్వారా సందర్భాలు, అర్థాలను నేర్చుకునే న్యూరల్ నెట్‌వర్క్‌కు అనుగుణంగా ఉంటాయి. ట్రైనింగ్ ఇన్‌పుట్‌లో ప్రతీ యూజర్ నుంచి యాదృచ్ఛికంగా ఎంపిక చేయబడిన 200 ట్వీట్‌ శాంపుల్స్ ఉంటాయి. ఈ విధమైన మోడల్‌లలో డిప్రెషన్, యాంగ్జైటీలను అంచనా వేయడంలో తమ పరిశోధన అత్యుత్తమ పనితీరు కనబరిచినట్లు పరిశోధకులు పేర్కొన్నారు.

శాంపిల్స్ వర్డ్స్ సీక్వెన్స్‌ను, కంప్లీట్ సెంటెన్స్‌ను ఎనలైజ్ చేసినందున, డిప్రెషన్‌తో బాధపడుతున్న వ్యక్తులు.. ఉదాహరణకు, మొదటి వ్యక్తిలోని సబ్జెక్ట్స్, పదబంధాలను ఉపయోగించి, తమకు సంబంధించిన విషయాల గురించి రాయడానికి మొగ్గు చూపడం వంటి అంశాలను గమనించడం సాధ్యమవుతుందని, డెత్ క్రైసిస్ సైకాలజీని గుర్తించవచ్చని పేర్కొన్నారు. అయితే గుర్తించదగిన డిప్రెషన్ సంకేతాలు సోషల్ మీడియాలో కనిపించే వాటికి సమానంగా ఉండవని డాక్టర్ పారాబోని చెప్పారు. ఉదాహరణకు, మొదటి వ్యక్తి నేను, మేము అనే, ఏకవచన సర్వనామాలను(irst-person singular pronouns) ఉపయోగించడం చాలా స్పష్టంగా ఉంది. సైకాలజీలో ఇది సంక్షోభం క్లాసిక్ సంకేతంగా పరిగణిస్తారు. డిప్రెస్సివ్ యూజర్స్ హార్ట్ ఎమోజీని తరచుగా యూజ్ చేయడాన్ని కూడా తాము గమనించినట్లు పరిశోధకులు తెలిపారు. అయితే ఈ హార్ట్ ఎమోజీ ఆప్యాయతకు, ప్రేమకు చిహ్నంగా భావించబడింది. కానీ సైకాలజిస్టులు దీనిని ఇంకా క్యారక్టరైజ్ చేయలేదని పరిశోధకుడు పారాబోని పేర్కొన్నాడు.

రీసెర్చర్స్ ఇప్పుడు డేటాబేస్‌ను విస్తరిస్తున్నారు. అందుకోసం వారు కంప్యూటేషనల్ టెక్నిక్స్‌ను మెరుగుపరుస్తున్నారు. మానసిక ఆరోగ్య సమస్యలు కలిగిన బాధితులను పరీక్షించడంలో, ప్రమాదంలో ఉన్న యువకుల కుటుంబాలు, స్నేహితులకు సహాయం చేయడంలో భవిష్యత్తులో ఉపయోగపడేలా.. డిప్రెషన్, యాంగ్జైటీల నుంచి రక్షించడానికి ఒక టూల్‌ను ప్రొడ్యూస్ చేయాలని భావిస్తున్నారు.

Also Read..

డ్రై ఐ సిండ్రోమ్ వేధిస్తోందా? .. ఈ జాగ్రత్తలు తీసుకోవాల్సిందే !