[論文レビュー] A Sentiment Analysis of Breast Cancer Treatment Experiences and Healthcare Perceptions Across Twitter

Eric M. Clark, Ted A. James+5 more|arXiv (Cornell University)|May 25, 2018

Social Media in Health Education被引用数 28

ひとこと要約

本研究では、教師あり機械学習と自然言語処理（NLP）を用いて、乳がんに関連する530万件のTwitter投稿を分析し、患者が報告する体験や感情を特定した。その結果、治療体験についてはしばしば肯定的な反応が見られる一方で、医療制度に関する議論は、予想される政治的改革に伴う保険給付の喪失への懸念から、全体的に否定的であることが明らかになった。

ABSTRACT

Background: Social media has the capacity to afford the healthcare industry with valuable feedback from patients who reveal and express their medical decision-making process, as well as self-reported quality of life indicators both during and post treatment. In prior work, [Crannell et. al.], we have studied an active cancer patient population on Twitter and compiled a set of tweets describing their experience with this disease. We refer to these online public testimonies as "Invisible Patient Reported Outcomes" (iPROs), because they carry relevant indicators, yet are difficult to capture by conventional means of self-report. Methods: Our present study aims to identify tweets related to the patient experience as an additional informative tool for monitoring public health. Using Twitter's public streaming API, we compiled over 5.3 million "breast cancer" related tweets spanning September 2016 until mid December 2017. We combined supervised machine learning methods with natural language processing to sift tweets relevant to breast cancer patient experiences. We analyzed a sample of 845 breast cancer patient and survivor accounts, responsible for over 48,000 posts. We investigated tweet content with a hedonometric sentiment analysis to quantitatively extract emotionally charged topics. Results: We found that positive experiences were shared regarding patient treatment, raising support, and spreading awareness. Further discussions related to healthcare were prevalent and largely negative focusing on fear of political legislation that could result in loss of coverage. Conclusions: Social media can provide a positive outlet for patients to discuss their needs and concerns regarding their healthcare coverage and treatment needs. Capturing iPROs from online communication can help inform healthcare professionals and lead to more connected and personalized treatment regimens.

研究の動機と目的

• 機械学習とNLPを用いて、ソーシャルメディア上での患者報告体験を自動的に同定する手法を開発すること。
• 乳がん治療および医療制度への認識に関連するツイートの感情を定量化すること。
• ソーシャルメディアが、医療監視のための「見えざる患者報告アウトカム」（iPROs）のソースとしてどのように機能するかを検討すること。
• Twitterデータを用いて、特にアメリカの医療法（American Healthcare Act）に関する政策変更に対する公衆の感情を評価すること。
• ソーシャルメディアが、リアルタイムでの公衆衛生監視および患者参加のためのツールとしての可能性を示すこと。

提案手法

• 15か月間にわたり、TwitterのストリーミングAPIを用いて「breast」と「cancer」を含む530万件の公開ツイートを収集した。
• 文脈的に関連するコンテンツを特定するために、単語埋め込みを用いた畳み込みニューラルネットワーク（CNN）を用いてツイートを分類した。
• 文脈的に関連する内容を同定するために、845件の手動ラベル付与済みの患者ツイートから構成される小規模なラベル付きデータセットを訓練に用いた。
• 感情のトーンを定量化するために、ヘドニメトリック感情分析を実施した。
• ノイズを低減し、文脈の検出を向上させるために、7640万件の「cancer」のみのツイートから構成される補助データセットを用いた。
• 手動レビューによる妥当性評価を行い、キーワードベースのフィルタリング手法と比較してモデルの性能を検証した。

実験結果

リサーチクエスチョン

• RQ1 機械学習とNLPを用いて、Twitter上での乳がん関連の患者報告体験を自動的に同定する方法は何か？
• RQ2 乳がん治療および医療アクセスに関するツイートにおける支配的な感情パターンは何か？
• RQ3 政治的な医療制度改正が、ソーシャルメディア上の乳がん患者の公衆感情にどのように影響を与えるか？
• RQ4 ソーシャルメディアは、公衆衛生監視のためのリアルタイムで患者中心の健康データ（iPROs）のソースとして、どの程度有効に機能するか？
• RQ5 Twitter上での患者の議論における、治療体験と医療制度への懸念に関する感情は、どのように比較されるか？

主な発見

• CNNベースの分類器は、より大きなデータセットから845件の関連する患者体験ツイートを効果的に同定し、自動コンテンツフィルタリングの可能性を示した。
• 治療、感情的支援、啓発キャンペーンに関するツイートでは、肯定的な感情が顕著に見られた。
• 医療制度に関する議論では、特にアメリカの医療法（American Healthcare Act）に伴う保険給付の喪失への懸念から、否定的な感情が支配的であった。
• オンラインの乳がんコミュニティは、予想される医療制度改革に対して強く反発しており、顕著な政治的・感情的反応が示された。
• ソーシャルメディアは、従来の報告では捉えきれない、患者の感情や公衆衛生の認識をリアルタイムで捉える貴重なプラットフォームである。
• 本研究は、ソーシャルメディアが医療政策に関する患者の声を拡声化でき、政治的議論や公衆の認識に影響を与える可能性を裏付けた。