[論文レビュー] Detection of the Prodromal Phase of Bipolar Disorder from Psychological and Phonological Aspects in Social Media

Yen-Hao Huang, Lin‐Hung Wei+1 more|arXiv (Cornell University)|Dec 26, 2017

Mental Health via Writing参考文献 3被引用数 18

ひとこと要約

本研究では、診断日時を明記したユーザーのデータを収集する時間特異的無意識のクラウドソーシング手法を用いて、ソーシャルメディアからの心理的および音声的特徴を活用し、双極性障害（BD）の前駆症状期を検出する新規手法を提案する。モデルは、音声的エネルギーパターンを含むテキスト特徴のみを用いて、BD発症を91%以上の精度で分類することに成功し、一次診断における早期で低コストの精神保健スクリーニングの強力な可能性を示している。

ABSTRACT

Seven out of ten people with bipolar disorder are initially misdiagnosed and thirty percent of individuals with bipolar disorder will commit suicide. Identifying the early phases of the disorder is one of the key components for reducing the full development of the disorder. In this study, we aim at leveraging the data from social media to design predictive models, which utilize the psychological and phonological features, to determine the onset period of bipolar disorder and provide insights on its prodrome. This study makes these discoveries possible by employing a novel data collection process, coined as Time-specific Subconscious Crowdsourcing, which helps collect a reliable dataset that supplements diagnosis information from people suffering from bipolar disorder. Our experimental results demonstrate that the proposed models could greatly contribute to the regular assessments of people with bipolar disorder, which is important in the primary care setting.

研究の動機と目的

• 双極性障害（BD）の完全発症以前の早期、前兆症状を特定すること。これは、誤診率の高さと自殺率の高さに対処するためである。
• 公に共有されたソーシャルメディアのコンテンツを用いて、定期的な精神保健評価が可能なスケーラブルで低コストな手法を開発すること。
• ユーザーが自らの診断日時を報告する時間特異的無意識のクラウドソーシングという、新しいデータ収集手法を導入すること。
• テキストベースのモデルに音声的特徴（例：語彙のエネルギー）を統合し、BD発症予測の精度を向上させること。
• ソーシャルメディアにおける言語的および行動的パターンを用いて、前駆症状期と急性症状期を区別すること。

提案手法

• 時間特異的無意識のクラウドソーシング：Twitter上に自らの診断と日付を明記したBD患者を特定し、時間的基準に沿ったデータ収集を可能にする。
• 心理的特徴（例：感情、感情、語彙選択）と、発話のプロソディーに基づく語レベルのエネルギーを特徴とする新しい音声的特徴を組み合わせた分類器を構築する。
• 時間軸に沿ってスライディングウインドウを適用し、ユーザーのデータをセグメント化し、各時間フレームごとのBD発症確率を予測する。
• 言語的スタイルの変化を特定し、前駆症状パターンを同定するために、条件付きランダムフィールド（CRF）に基づく言語モデル（CLM）を用いる。
• 言語的および音声的特徴の変化を分析することで、初期の前駆症状期を検出するためのプロドロームフィルタを適用する。
• 診断の曖昧さを考慮し、緩いコンSENSUS基準を用いて、8名の心理学者による盲検評価により結果を検証する。

実験結果

リサーチクエスチョン

• RQ1 ソーシャルメディアのテキストから得られる心理的および音声的特徴は、双極性障害の前駆症状期を信頼性高く予測できるか？
• RQ2 言語的特徴の時間的変化は、BD発作への移行をどのように反映するか？
• RQ3 発話のプロソディーから抽出した音声的特徴は、テキストのみのBD検出モデルの性能を向上させられるか？
• RQ4 時間特異的無意識のクラウドソーシングは、精神保健研究に向けた信頼性の高い診断日時データをどれほど得られるか？
• RQ5 実世界のソーシャルメディアデータにおいて、モデルは前駆症状期と急性症状期、または非BD状態をどれほど正確に区別できるか？

主な発見

• 2か月の時間枠でBD発症を予測する際、平均精度が0.934に達した。これは12か月後の精度0.809を上回る。
• 音声的特徴のみを用いた場合、テキストのみのアンサンブルモデルと組み合わせることで、BD発症の検出精度が91%以上に向上した。
• CLM分析により、語の表現パターンがBD発症の前に対応して顕著に変化することが判明し、否定的で「過剰負担」に関連する言語の使用が増加した。
• プロドロームフィルタは、図6に示すように、ユーザーのタイムラインにおいて初期の前駆症状期を効果的に特定した。
• 心理学者による評価では、通常のユーザーがBD症状を有さないと分類する際に75%の一致率を示し、BD発症ケースでは45%の一致率を示した。これは診断の曖昧さを示唆しつつも、緩い基準下でもモデルの高い性能を裏付けている。
• 本研究は、言語的および音声的特徴が精神状態の変化を反映できることを確認し、リスクを有する個人に対する定期的で非侵襲的なモニタリングの可能性を示している。