社交媒体健康知识发现与个性化诊疗方法研究

With the rapid development of internet technology and social media, more and more patients and doctors share and search health information and knowledge online so as to access better medical service. However, the special characteristics of social media data, such as large volume, unstructured, and lack of standardization have brought big challenges to health knowledge discovery and medical decision support. The existing health social media researches mostly focus on analyzing usage motivation, health information hotspots, and the impact of social media on public health, etc. However, health knowledge discovery from social media to support personalized diagnosis and treatment decision is still in a beginning stage. Appling text analysis and data mining methods, this project will explore how to discover health knowledge from social media by extracting health concept and its relations, and mining medical diagnosis and treatment knowledge so as to provide support for personalized diagnosis and treatment decision. This project will propose several new techniques and methodologies on health knowledge discovery from social media. At the same time, this project will develop an application platform for normal users and medical workers to provide personalized diagnosis and treatment suggestions.

随着互联网技术的快速发展和在线社交媒体的日益流行，越来越多的患者和医生通过在线社交媒体分享、交流和咨询医疗健康知识，从而获得更好的医疗健康服务。然而，社交媒体存在数据量庞大、非结构化、不规范等典型特征，这给健康知识发现和诊疗决策支持带来了重大挑战。现有健康社交媒体的研究主要聚焦于使用动机、健康信息热点、社交媒体对公众健康的影响等方面，而针对如何从社交媒体中发现健康知识以支持个性化诊疗决策的研究尚处于起步阶段。本研究将运用文本分析和数据挖掘等方法研究社交媒体健康知识发现方法，抽取社交媒体健康交流数据中的健康概念及其诊疗关系，挖掘疾病的诊断和治疗知识，为个性化诊疗提供决策支持。理论上，本项目研究将提出若干应用于社交媒体健康知识发现的新技术和新方法；实践上，本项目研究将建立一个为普通用户和医护人员提供个性化疾病诊断和治疗建议的应用平台。

在线健康社交媒体是随着互联网技术的快速发展而产生的重要健康交流平台，越来越多的患者和医生通过在线社交媒体分享、交流和咨询医疗健康知识，从而获得更好的医疗健康服务。本项目综合运用文本分析、数据挖掘、计量经济学、仿真建模等方法研究社交媒体用户行为、健康知识发现和疾病预测等问题。首先，研究健康社交媒体的用户参与行为。分析了用户在健康社交媒体进行知识分享的影响因素，探讨了自我价值实现、声望、社会支持、面子、认知成本和执行成本对用户健康知识分享的影响，剖析了不同社会支持类型对用户持续参与健康社交媒体的影响，发现了不同社会支持类型的不同作用，研究了金钱激励对用户在线社交媒体不同行为的影响机制。其次，研究了社交媒体健康概念和关系抽取技术，提出了基于深度学习的健康实体和实体关系识别方法。建立了包括字符表示层、双向长短期记忆网络层和条件随机场层的实体识别框架，基于中文一体化医学语言系统实现了高准确率的健康实体抽取，将时序关系看作分类问题，通过构建高级语义特征和时间短语抽取识别实体中的时序关系。第三，研究了社交媒体健康知识发现和疾病预测方法。研究了社交媒体中的药物使用知识发现方法，对社交媒体中的疾病发展趋势进行了预测，研究了社交网络中的信息和疾病传播模型，探讨了面向个体的疾病动态发展预测方法。项目在社交媒体用户行为和知识发现领域等领域开展了一系列研究工作，发表了学术论文26篇，其中SCI/SSCI论文17篇，毕业研究生14人，提出了若干应用于社交媒体健康知识发现的新技术和新方法，有助于为普通用户和医护人员建立个性化疾病诊断和治疗平台。