社交媒体上的帖子揭示了你怎样的健康状况？

你今天在社交媒体上分享了什么呢？评论昨晚的选举结果？提到你之后要去健身房？对在医院里的朋友表示同情？描述你最喜欢的汉堡餐？还是展示了你女儿单独跳爵士舞的照片？

那么，这些帖子揭示了你怎样的健康状况及严重的疾病风险呢？

上面这个问题看上去有点奇怪。但是，对于宾夕法尼亚大学社交媒体与健康创新实验室（Penn Social Media & Health Innovation Lab）的研究员来说却不足为奇。该实验室的主任莱娜•麦钱特（Raina Merchant）及其团队正在研究如何利用人们在诸如脸谱、推特和Yelp等网站上的社交媒体用语来评估个人健康并预测疾病。他们正在研究的情况是包括心脏病、糖尿病、高血压、肥胖症、慢性肺部疾病、抑郁症和药物滥用等美国过早死亡和残疾的主要原因（更不用说飞涨的医疗费用）。

该实验室隶属于宾夕法尼亚大学医疗创新医学中心，同时还与研究如何改善美国医疗体系的伦纳德•戴维斯健康经济学研究所（Leonard Davis Institute of Health Economics ，LDI）有合作。麦钱特既是LDI的高级研究员，还是宾夕法尼亚大学急诊医学助理教授。

麦钱特解释说，人们的语言结构或他们所使用的单词类型有差异。而这可能表明障碍或认知能力衰退。“有些人可能会直接发布某种状况，而有些状况是在人们谈论的时候显示出来，”麦钱特说道，“如果有人发了很多可能表明他们很抑郁的帖子。他们可能不会使用‘感觉悲伤’、‘忧郁’、‘不高兴’这样明显的字眼，但是可能会使用其它的……不那么明显表示抑郁的字眼。”

虽然实验室大部分的研究还处于相对早期的阶段，但已经有了一些有趣的初步调查结果。2015年10月，该团队在BMJ（British Medical Journal，前身为《英国医学杂志》）发表了一项涉及脸谱的研究。在该研究中，宾夕法尼亚大学卫生系统中1000多名患者同意把他们在社交媒体上的数据与他们的电子健康记录进行比较。

其中的一个发现是，根据医疗记录，临床肥胖的人更有可能使用与静止相关的词语。“坐着、不动、立着和在休息等这样的词语，”麦钱特说道。团队未曾预测到这样的结果。他们以为这群人更可能会经常提到食物或运动。

宾夕法尼亚大学医疗创新中心（Penn’s Center for Health Care Innovation）主任戴维•阿希（David Asch）提到了该团队正在进行的另一个研究所揭示的更意想不到的关联：比起非高血压人群，高血压患者更频繁地发有关他们孩子的帖子。

“虽然人们口头上会这么说，但是处理孩子的问题不会引起高血压，”阿希说道。他同时也是沃顿医疗管理学和运营、信息及决策学教授。“我们发现这种关联在表面上很难解释联，而这也是我们事先没有想到的。”

隐私问题
如果告诉人们这种类型的监视是为了改善他们的健康，大多数美国人会同意吗？当然，数据挖掘并不新鲜。多年来，营销人员一直在暗地里捕捉我们的网上行为，并用广告诱惑我们。该研究的一些人甚至可能想起2014年涉及脸谱和“情绪感染”的争议。据说，该公司在当事人不知情的情况下，操控了近70万人的新闻速递内容，以测试它是否能影响个人发布更多正面或负面的内容（脸谱网声称已经通过其陈述的数据使用政策征得了用户同意）。

相比之下，在麦钱特的研究中，是想获得明确的同意，并把“可执行的”数据传递给患者。“我们希望的是，我们能不能收集这些信息并反馈给患者，使他们能从我们做出的假设中真正了解一些东西？另外，如果患者想要分享，我们又如何让其对医疗服务提供者有用？”

在实验室涉及脸谱网的研究中，实际上很大一部分人都愿意参与。这项研究显示，宾夕法尼亚大学医疗系统中的1432名脸谱和推特用户表达了对该研究的兴趣。绝大多数——约71%的人同意分享他们的社交媒体活动，并与他们的电子医疗记录进行对比。

“这是一个很大的发现，”麦钱特说道，“我们不知道之前有谁能真正做到这一点，即能表明人们会给予同意，并以非常透明的方式收集数据。”

阿希说，以他个人的经验，在目前为止实验室所进行的实验中，人们似乎因为他们的健康受到当地医院或健康体系“监视”这样的想法而感到安慰。“我的直觉是，人们会把这当成‘老大哥’，”他说道。但他发现相反的情绪似乎是真实的。另外，“一个主要发现是，虽然人们真的在乎他们的隐私，但是他们同样意识到分享这些信息对他们自身以及社会的价值。”

他们的数据库目前有3000名患者，该团队计划在未来的10年里收集数据。根据麦钱特的说法，“构建地图，构建一个人们分享信息组成的足迹数据库。”

分离噪音和有用信号
从社交媒体上的帖子真的可能得到有用的健康数据吗？人们在网上说的很多事情都不假思索。电脑程序如何应对人类的口语化语言、隐喻、讽刺和幽默呢？如果实验室的计算机程序把 “顺便说一句，我快要死了！” 解读为“我很沮丧，想要自杀！”会怎样呢？

“我认为这些说法点到了问题的症结所在，”麦钱特同意道。但即使是开玩笑的评论也可能是相关的。“即使是开玩笑的话，比起其他人，有某种状况的人更可能使用这种玩笑。”

她说道，团队的任务是试着分离有用信号。这项工作是由包括莱尔•安戈尔（Lyle Ungar）和安迪•施瓦兹（Andy Schwartz）在内的实验室计算机科学家负责。同时也是生物分子工程和应用专家的安戈尔掌管的团队执行自然语言处理——利用电脑自动“解读”人们的社交媒体。施瓦兹在石溪大学（Stony Brook University）工作，与宾夕法尼亚大学社交媒体和健康创新实验室远程合作。

“社交媒体是一个非结构化数据源，不能产生可以清晰地插入到统计软件中的变量，”施瓦兹指出，“所以首先你必须运行算法，把社交媒体这些字符串转化成某种有意义的统计信息。”同时，他也运用从电脑和信息科学中学习的最新机器学习技术。但即便如此，整个过程也是具有挑战性的。

追踪公共健康
除了着眼个人，该团队还进行涉及广泛的公共健康趋势研究。其他团队也采取了同样的路线。一个广为报道的例子就是在2000年代末，谷歌努力分析搜索查询来比疾病治疗中心（CDC）更早地预测流感的爆发。根据《史密森杂志》所说，该项目并不是很成功。它一直都大大地高估了流感发病率。但是有些人认为，虽然该项目的执行有缺陷，其基本概念还是很有希望的。

麦钱特说，团队参与了利用推特看心脏病的研究。重点之一是“了解人们如何看待心脏病，”阿希说道，“人们如何理解诸如心脏病、高血压和糖尿病等说法？”如果有错误的看法，或许可以利用推特推出促进健康的信息。“这样做也不花钱。如果能行，会是个多么有意义的事情。”

宾大社交媒体实验室的研究还可以帮助医院获取对他们服务有用的反馈。施瓦兹谈及了4月份发表在《健康事务》中团队有关Yelp的研究。该研究分析了人们对住院的看法。美国医院通常利用被称之为HCAHPS（医院医疗服务提供者及体系的消费者评估系统）的标准患者满意度调查来进行评估。但是据施瓦兹所说， Yelp的研究表明HCAHPS未能询问诸如停车和应对收费人员等一些对病人非常重要的问题。

“例如，收费与医院的病人住院率相关。因此，人们不仅大量地谈论，而且实际上我们还发现，如果他们在评论中提到收费，他们更可能给出负面评论。”施瓦兹指出，医院可以利用这些研究结果来改善它们的服务和全国排名。

从基因组到“社交基因”
该团队创造了“社交基因”这种说法来描述他们正在进行研究的领域。“这是一种文字游戏，”麦钱特解释道。就像基因组反映了人的基因一样，社交基因反映了人们的网上行为。

但是解析我们在社交媒体上随机闲聊的尝试真的能与DNA研究这一“硬科学”相提并论吗？在过去的几年里，人类基因组测序已经取得了革命性的突破，引发了癌症和其他疾病新的治疗方式。但是，阿希指出：“据估计，人类的行为要对过早死亡负40%的责任。”在日常生活中，我们所做的以及未做到的事关重大。“我认为，事实上，比起DNA，社交媒体可能会告诉我们更多有关我们健康的信息，”他说道。

安戈尔表示同意。“我们怎么做才能更健康，活得更久？不要吸烟；多做运动；系好安全带；不要酒驾；不要抑郁。那些快乐的有良好人际关系的人要比其他人多活五年。”安戈尔说，这些行为的共同点是它们从根本上来说都是心理上的，而不是基因上的。

安戈尔继续说道，如果可以更早的发现自我毁灭行为，就可以减少医疗费用。“美国大多数的医疗保健费用都花的太晚了，”他说道，“给人们搭一个支架是昂贵的。而利用社交媒体帮助人们锻炼，不让他们患心血管疾病要便宜很多。”他举了药物成瘾的例子。早期识别那些有药物成瘾风险的成本比在滥用药物多年后试图进行康复的费用要低。

阿希评价了社交媒体提供的巨大的研究机会。在它之前，“我们的行为在很大程度上都是‘没人知道的’，”他说道，“私人交流很重要，但我们却没法进行观察。”现在，“我们能够更多地了解不同的行为方式与健康的关联。而这非常令人兴奋。”