[논문 리뷰] Detection of the Prodromal Phase of Bipolar Disorder from Psychological and Phonological Aspects in Social Media

Yen-Hao Huang, Lin‐Hung Wei외 1명|arXiv (Cornell University)|2017. 12. 26.

Mental Health via Writing참고 문헌 3인용 수 18

한 줄 요약

이 연구는 사회 미디어에서의 심리적 및 음운적 특징을 활용하여 양극성 장애(BD)의 전구증후군 단계를 탐지하는 새로운 방법을 제안한다. 진단 시점을 기록한 사용자 데이터를 수집하기 위해 시간에 특화된 무의식적 커뮤니티 기반 데이터 수집 방식을 적용한다. 모델은 음운적 에너지 패턴을 포함한 오직 텍스트 기반 특징만을 사용하여 BD 발병을 91% 이상의 정밀도로 분류하며, 주로 보건소에서의 조기에 저비용 정신건강 스크리닝에 큰 잠재력을 보여준다.

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.

연구 동기 및 목표

• 양극성 장애(BD)의 완전한 발병 이전에 발생하는 초기 전조 증상(전조 증상)을 식별하여 높은 오진율과 자살률 문제를 해결한다.
• 공개된 사회 미디어 콘텐츠를 활용해 정기적인 정신건강 평가를 위한 확장 가능하고 저비용의 방법을 개발한다.
• 사용자가 자가 진단 시기를 기록하는 방식의 새로운 데이터 수집 방법—시간에 특화된 무의식적 커뮤니티 기반 데이터 수집—을 도입한다.
• 음운적 특징(예: 단어 에너지)을 텍스트 기반 모델에 통합하여 BD 발병 예측 성능을 향상시킨다.
• 사회 미디어 내 언어적 및 행동 패턴을 분석하여 전구증후군 증상과 급성 증상 간을 식별한다.

제안 방법

• 시간에 특화된 무의식적 커뮤니티 기반 데이터 수집: 트위터에서 명시적으로 자신의 진단과 날짜를 기재한 BD 환자 사용자를 식별하여 시간 기반 데이터 수집을 가능하게 한다.
• 심리적 특징(예: 정서, 감정, 어휘 선택)과 음성 프로소디에서 유도된 단어 수준의 에너지 기반 신규 음운적 특징을 활용해 분류기 구축.
• 시간에 따라 이동 윈도우를 적용하여 사용자 데이터를 분할하고, 각 시간 프레임에서 BD 발병 확률을 예측한다.
• 언어 스타일의 변화를 분석하기 위해 조건부 랜덤 필드(CRF)-기반 언어 모델(CLM)을 활용하여 전구증후군 패턴을 식별한다.
• 언어적 및 음운적 특징의 변화를 분석하여 초기 전구증후군 기간을 탐지하는 전구증후군 필터를 적용한다.
• 진단의 모호성을 고려하기 위해 유연한 공감 기준을 사용한 8명의 심리학자에 의한 블라인드 평가를 통해 결과를 검증한다.

실험 결과

연구 질문

• RQ1 사회 미디어 텍스트에서 유도된 심리적 및 음운적 특징가 양극성 장애의 전구증후군 단계를 신뢰성 있게 예측할 수 있는가?
• RQ2 언어적 특징의 시간적 변화는 BD 발작으로의 전이를 어떻게 반영하는가?
• RQ3 음성 프로소디에서 유도된 음운적 특징이 텍스트 전용 BD 탐지 모델의 성능을 향상시킬 수 있는가?
• RQ4 시간에 특화된 무의식적 커뮤니티 기반 데이터 수집 방식이 정신건강 연구에 있어 신뢰성 있고 진단 시점 기반 데이터를 제공할 수 있는가?
• RQ5 실제 사회 미디어 데이터에서 모델은 전구증후군 상태와 급성 또는 비-BD 상태를 얼마나 잘 구분할 수 있는가?

주요 결과

• 모델은 2개월의 시간 프레임 동안 BD 발병을 예측할 때 평균 정밀도 0.934를 기록했으며, 이는 12개월 기준 0.809에서 향상된 결과이다.
• 음운적 특징만으로도 텍스트 전용 앙상블 모델과 조합했을 때 BD 발병 탐지 정밀도가 91% 이상을 달성했다.
• CLM 분석 결과, 단어 표현 패턴이 BD 발병 이전에 의미 있는 변화를 보였으며, 부정적이고 과부하 상태를 연상시키는 언어 사용 빈도가 증가했다.
• 전구증후군 필터는 사용자 타임라인에서 초기 전구증후군 기간을 성공적으로 식별했으며, 그 결과는 그림 6에 시각화되어 있다.
• 심리학자 평가 결과, 정상 사용자에 대해 75%의 일치율을 기록했고, BD 발병 사례에 대해서는 45%의 일치율을 기록하여 진단의 모호성은 존재하지만 유연한 기준 하에 모델의 높은 성능을 입증했다.
• 본 연구는 언어적 및 음운적 특징가 정신 상태 변화를 반영할 수 있음을 확인하였으며, 위험군 대상자의 정기적 비침습적 모니터링을 가능하게 한다.