Célkitűzés
Számítógépes elemzéseket végzünk haladó NLP- és gépi tanulási módszerekkel, hogy feltárjuk az ADHD-val diagnosztizált közösségimédia-használók nyelvi viselkedését (nyelvhasználat és kommunikációs mintázatok). A vizsgálat a kontrollszemélyektől való eltéréseket azonosítja, és bemutatja, hogyan kapcsolódnak ezek a jellemzők a DSM-5 ADHD-tüneteihez.
Módszer
A Reddit közösségen nagy pontosságú felismerő mintázatokkal azonosítottuk az ADHD-val diagnosztizált felhasználókat: 12 070 ADHD-s felhasználót és ugyanennyi illesztett kontrollt kaptunk. Nyelvi jellegzetességeiket nyolc kategória mentén hasonlítottuk össze: szintaktikai komplexitás, lexikai gazdagság, olvashatóság, kohézió, stilisztika, érzelmi színezet, nyelvtan és tartalmi témakör. Több sekély és mély gépi tanulási modellt fejlesztettünk az ADHD-val összefüggő NLP-biomarkerek azonosításához.
Eredmények
A statisztikai elemzések szerint az ADHD-s felhasználók hosszabb, kidolgozottabb bejegyzéseket írnak a kontrolloknál, magasabb szintaktikai komplexitással és lexikai változatossággal. Több önreferenciális névmást használnak — ami önfókuszra és rumninációra utal —, és emelkedett szintű negatív érzelmeket (düh, félelem, undor) mutatnak, ami érzelemszabályozási zavarra utal. A sekély modellek közül a Gradient Boosting volt a legjobb (F1: 0,72); a BiLSTM-modell F1-pontszáma 0,77 volt.
Következtetések
A vizsgálat rámutat, hogy a közösségi médiabeli nyelvhasználatból NLP-vel kinyert biomarkerek új betekintést kínálnak — különösen azon ADHD-val élők azonosításában, akik elsiklanak a hagyományos klinikai felmérések radarja alatt. E digitális biomarkerek és az újonnan elérhető eszközök — például a neuroképalkotás és a fiziológiai jelek — együttes alkalmazása átfogóbb és pontosabb diagnosztikai megközelítést ígér.