تشخیص و پایش افسردگی بر پایه ردپای دیجیتال و یادگیری ماشین در رسانه های اجتماعی؛ یک مرور نظام مند ادبیات

افسردگی یکی از شایع ترین اختلالات روان پزشکی بوده و بار فردی، اجتماعی و اقتصادی قابل توجهی بر جوامع تحمیل می کند. روش های سنتی تشخیص افسردگی متکی بر مصاحبه های بالینی و پرسش نامه های استاندارد هستند که هر چند اعتبار بالینی خوبی دارند اما از نظر مقیاس پذیری، هزینه و حساسیت به انگ اجتماعی با محدودیت هایی مواجه اند. همزمان با گسترش رسانه های اجتماعی، ایده استفاده از ردپای دیجیتال کاربران برای تشخیص و پایش افسردگی مطرح شده و در سال های اخیر مجموعه ای بزرگ از پژوهش ها تلاش کرده اند با بهره گیری از روش های یادگیری ماشین و یادگیری عمیق، نشانه های زبانی و رفتاری افسردگی را از روی متن و الگوهای فعالیت آنلاین استخراج کنند. این مقاله یک مرور نظام مند بر ادبیات پژوهشی تشخیص افسردگی بر پایه داده های متنی رسانه های اجتماعی ارائه می کند. با استفاده از استراتژی جست وجوی ساخت یافته در پایگاه های علمی و معیارهای ورود و خروج مشخص، مطالعات مربوط به سال های ۲۰۱۶ تا ۲۰۲۵ غربال و بررسی شده اند. تمرکز مقاله بر سه پرسش است: (۱) چه ویژگی های داده ای و روش های یادگیری ماشین برای تشخیص افسردگی از متن رسانه های اجتماعی به کار رفته اند؟ (۲) عملکرد گزارش شده این مدل ها از منظر معیارهای ارزیابی در چه محدوده ای است؟ و (۳) مهم ترین چالش های روش شناختی، سوگیری ها و مسائل اخلاقی این حوزه چیست؟ نتایج نشان می دهد که اکثر مطالعات از داده های توییتر و ردیت و عمدتا متون انگلیسی استفاده کرده اند و از مدل هایی مانند ماشین بردار پشتیبان، شبکه های عصبی عمیق و به ویژه مدل های مبتنی بر ترنسفورمر بهره گرفته اند. هرچند دقت و F۱ اسکور در بسیاری از کارها در محدوده مطلوب گزارش شده، سوگیری های زبانی و جمعیت شناختی، ناهمگونی در روش های برچسب گذاری و ارزیابی و چالش های اخلاقی و حریم خصوصی، تعمیم پذیری و قابلیت استفاده عملی این مدل ها را محدود می کند. بر اساس تحلیل انجام شده مقاله پیشنهاد می کند که طراحی سامانه های تشخیص و پایش افسردگی باید در چارچوب سیستم های محاسباتی انسان محور انجام شود؛ به این معنا که مدل های یادگیری ماشین به عنوان ابزارهای پشتیبان تصمیم در کنار متخصصان سلامت روان و با رعایت اصول شفافیت، رضایت آگاهانه و حداقل سازی داده به کار گرفته شوند.

کلیدواژه ها:

افسردگی ، رسانه های اجتماعی ، ردپای دیجیتال ، یادگیری ماشین ، یادگیری عمیق ، سیستم های محاسباتی انسان محور ، فنوتیپ دیجیتال