Dengan menggunakan teknik pengumpulan data otomatis, para peneliti menganalisa seluruh riwayat postingan Facebook dari hampir 1.000 pasien yang setuju untuk memiliki data rekam medis elektronik terkait dengan profil media sosial mereka.
Peneliti kemudian membangun tiga model untuk menganalisis daya prediksi mereka untuk pasien; satu model hanya menganalisis bahasa postingan di Facebook, yang lain menggunakan demografi seperti usia dan jenis kelamin, dan yang terakhir menggabungkan dua set data tersebut.
Melihat ke 21 kondisi yang berbeda, para peneliti menemukan kalau Facebook dianggap cukup akurat dalam mendiagnosis pasien. Bahkan, 10 kondisi lebih baik diprediksi melalui data Facebook daripada informasi demografis.
Beberapa data Facebook yang ditemukan lebih prediktif daripada data demografis tampaknya intuitif. Misalnya penggunaan kata "minum" dan "botol", terbukti lebih prediktif terhadap penyalahgunaan alkohol.
Namun, yang lain tidak semudah itu. Sebagai contoh, orang-orang yang paling sering menyebut bahasa agama seperti "Tuhan" atau "berdoa" di pos mereka 15 kali lebih mungkin menderita diabetes daripada mereka yang paling sedikit menggunakan istilah ini.
Selain itu, kata-kata yang mengungkapkan permusuhan, seperti "bodoh" dan beberapa kata-kata kasar lainnya, berfungsi sebagai indikator penyalahgunaan narkoba dan psikosis.
"Bahasa digital kami menangkap aspek-aspek kuat dari kehidupan pasien yang kemungkinan sangat berbeda dari apa yang ditangkap melalui data medis tradisional," kata penulis senior studi itu Andrew Schwartz, PhD.
Tahun lalu, banyak anggota tim peneliti ini dapat menunjukkan kalau analisis postingan Facebook dapat memprediksi diagnosis depresi sebanyak tiga bulan lebih awal daripada diagnosis di klinik.