Korisnički podaci sa Gugla, Jutjuba i drugih onlajn platformi mogu se koristiti za predviđanje, sprečavanje, pa čak i ublažavanje usamljenosti, potencijalno smanjujući rizik od samoubistva za rizične pojedince, prema Rutgersovom istraživanju.
„Anksioznost i usamljenost se obično dijagnostikuju u ordinaciji“, rekao je Vivek K. Sing, direktor Laboratorije za bihejvioralne informatike na Rutgers školi za komunikacije i informacije i odgovarajući autor studije objavljene u časopisu Elektronika.
„Želeli smo da vidimo da li se podaci prikupljeni pasivno, od strane veb lokacija koje ljudi posećuju ili termina za pretragu koje koriste, mogu analizirati mašinskim učenjem kako bi bili klinički korisni“, rekao je Sing. „Cilj je bio da se vidi da li postoje jasne veze između digitalnih tragova i indikatora zdravlja.
Kako usamljenost dostiže nivo „epidemije“ u Sjedinjenim Državama, u toku su napori da se razviju automatizovane ili jeftine metode za podršku ljudima koji doživljavaju psihosocijalni stres. Sing je rekao da bi bolje korišćenje naše istorije pregledanja na mreži moglo da pomogne.
Da bi utvrdili da li mašinsko učenje može tačno da predvidi usamljenost, Sing i kolege iz Rutgersove škole za komunikaciju i informacije (Eiman Ahmed, Liiang Ksue, Haein Kong i Arcadio Matos), Odeljenja za računarske nauke (Aniket Sanap) i Škole javnog zdravlja (Vincent Silenzio) je regrutovao 92 volontera u okviru Rutgers Vellness studije, 10-nedeljnog istraživanja ponašanja korisnika na mreži i mentalnog zdravlja početkom 2021. godine, u periodu produžene izolacije u vezi sa COVID-19.
Svaki učesnik je pristao da deli metapodatke koje su prikupili Google i IouTube tokom pretraga, poseta veb sajtovima i drugih aktivnosti na mreži.
Sa anonimizovanim verzijama ovih „podataka o digitalnom tragu“, istraživači su kreirali kompjuterske modele dizajnirane da identifikuju onlajn ponašanja povezana sa kliničkim nivoima usamljenosti. Takođe su sprovodili ankete o mentalnom zdravlju sa učesnicima svake nedelje i na početku, u sredini i na kraju studije.
Modeli mašinskog učenja su zatim usmereni na predviđanje nivoa usamljenosti na osnovu upotrebe na mreži. Aktivnosti su raščlanjene po kategorijama — kao što su „sport“, „muzika“ i „obrazovanje“ — kao i prema zbirnim podacima („nedeljni broj IouTube sesija“, „nedeljni broj Google pretraga“).
Predviđanja proizvedena od strane modela su zatim upoređena sa podacima ankete o mentalnom zdravlju učesnika.
Rezultati su bili veoma obećavajući, rekao je Sing. Ne samo da su modeli bili efikasni u merenju usamljenosti, rekao je, već su rasvetlili koje su platforme bolji prediktori. Na primer, „usamljeni“ učesnici su koristili Google pretragu više od „ne usamljenih“ učesnika, a „ne usamljeni“ učesnici su koristili IouTube više od „usamljenih“ učesnika.
Postoje potencijalni nedostaci ovih vrsta algoritama, a u pogrešnim rukama tehnologija prikupljanja podataka može biti zloupotrebljena, rekao je Sing. Ali on je dodao da alati kreirani za ovu studiju, za koju se nada da će dalje razvijati, daju najveći značaj bezbednosti podataka.
Lični identifikatori iz svih podataka, kao što su ime, adresa i brojevi telefona, uklonjeni su iz podataka pre analize. Informisani pristanak i institucionalni pregled bili su deo dizajna studije, a za skladištenje i analizu podataka korišćeni su alati koji su usklađeni sa HIPAA (zakon o zaštiti privatnosti).
„Uz poboljšanja, verujemo da bi predloženi pristup mogao da doprinese digitalnim zdravstvenim kontrolnim tablama za pojedince, pri čemu bi njihovi podaci, u kombinaciji sa modelima koji rade na njihovim računarima (npr., kao veb dodaci), mogli da se koriste za trijagu zdravlja i obezbede podršku i smernice putem svesti materijal ili preporuke“, napisali su istraživači.
„Sa veštačkom inteligencijom i mašinskim učenjem, moramo da uravnotežimo mogućnosti i rizik. Ja bih tvrdio da su sprečavanje samoubistava i identifikovanje usamljenosti odgovornosti koje ne možemo zanemariti“, rekao je Sing.
„Odredbe o mentalnom zdravlju u mnogim zajednicama su veoma tanke; one su još tanje kada se uzmu u obzir stvari kao što su osiguranje, stigma i vreme čekanja. Prednosti ove vrste tehnologije su, rekao bih, mnogo veće od nedostataka i odgovorne javni alati koji podržavaju mentalno zdravlje su kritična potreba ovog časa.“
