多项研究已将社交媒体确定为心理健康问题的重要因素，尤其是在年轻人中。但是想像一下，如果还可以利用Twitter，Facebook和Instagram的力量来识别患有抑郁症症状的人，并在他们身上贴上标记以支持服务。

通过使用机器学习技术分析社交媒体(SM)内容，可以确定哪些SM用户当前情绪低落，然后使用它向需要他们的人展示心理健康服务的广告。

但是，由布莱顿和苏塞克斯医学院(BSMS)的研究人员领导的一项新研究表明，尽管社交媒体用户原则上可以看到这种针对抑郁症的分析的好处，但他们并不认为收益大于隐私带来的风险。

超过180人(其中62%以前曾经历过抑郁症)完成了一份调查表，以了解他们的反应并查看他们的SM含量是否因抑郁而异。受访者对此概念感到不安，并担心以这种方式使用SM会增加污名化，导致人们“沮丧”或沮丧，或者发现那些在现实生活中寻求帮助的人。

尽管大多数人支持对Facebook内容进行分析可以改善对慈善精神卫生保健服务的针对性的想法，但只有不到一半的人表示同意对其自己的SM进行分析，而即使没有事实明确的同意，也很少有人愿意接受分析。针对社交媒体用户的人口统计信息和某些内容进行概要分析，而无需事先明确同意，这是针对新闻订阅源内和跨搜索引擎的广告。

社交媒体用户特别关注的是将收集到的数据出售给动机不可信的公司的潜力。一些受访者担心该软件可能过于敏感或误解了海报的幽默，并有可能给未患抑郁症的人贴上诊断标签。

BSMS基层医疗研究高级讲师兼研究负责人伊丽莎白·福特(Elizabeth Ford)博士对该研究发表评论时说：“我们的调查的某些受访者认为，无论如何，社交媒体上的广告都是针对用户的，为了诸如此类的有益目的对用户的内容进行了剖析。虽然改善其他人的心理健康状况将是一件好事，但是其他用户则认为，滥用用户心理健康状况的方式太多了，很少有可信赖的社交媒体公司(如Facebook)透明和对如何使用他们的数据诚实。

“另一个可能的问题是，我们的受访者在感到沮丧时并没有感觉到他们的SM帖子能真正反映出他们的心情，其中许多人表示，在情绪低落时他们的发布频率会降低。因此，试图识别抑郁症的预测工具可能并不十分准确。”

对于旨在开发此类技术的团队，福特博士提出了明确的建议：“我们的观点是，在与人类健康相关的所有技术开发中，研究人员和开发人员应与最终用户作为主要利益相关者一起工作，帮助他们设计和制定解决方案。结果表明在社交媒体平台上的信任度很低，因此开发人员应在实现此工具之前，在开发的所有阶段与SM用户进行核对。”