Νέο μοντέλο προβλέπει επιδημίες μέσω κοινωνικών δικτύων

Η πτώση των ποσοστών εμβολιασμού σε πολλές κοινότητες έχει προκαλέσει ανησυχία, καθώς ασθένειες που θεωρούνταν υπό έλεγχο, όπως η ιλαρά, επανεμφανίζονται στις Ηνωμένες Πολιτείες και τον Καναδά. Σε αυτό το πλαίσιο, ερευνητές από το Πανεπιστήμιο του Waterloo έχουν αναπτύξει μια καινοτόμο προσέγγιση που θα μπορούσε να βοηθήσει τους δημόσιους υγειονομικούς φορείς να προβλέψουν πού μπορεί να εκδηλωθούν επιδημίες.

Η ανάλυση των κοινωνικών δικτύων

Η νέα μέθοδος βασίζεται στην ανάλυση δημοσιεύσεων στα κοινωνικά δίκτυα, εντοπίζοντας πρώιμα σημάδια αυξανόμενου σκεπτικισμού απέναντι στα εμβόλια. Αυτός ο σκεπτικισμός μπορεί να λειτουργήσει ως προειδοποιητικό σήμα, που εμφανίζεται πριν από την εξάπλωση οποιασδήποτε ασθένειας. “Στη φύση, έχουμε μολυσματικά συστήματα όπως οι ασθένειες”, δήλωσε ο Δρ. Κρις Μπάουχ, καθηγητής Εφαρμοσμένων Μαθηματικών στο Waterloo. “Αποφασίσαμε να εξετάσουμε τις κοινωνικές δυναμικές όπως ένα οικολογικό σύστημα και μελετήσαμε πώς η παραπληροφόρηση μπορεί να διαδοθεί μολυσματικά από χρήστη σε χρήστη μέσα από ένα κοινωνικό δίκτυο.”

Η μαθηματική προσέγγιση

Η ομάδα εκπαίδευσε ένα μοντέλο μηχανικής μάθησης με βάση την μαθηματική έννοια του σημείου καμπής – τη στιγμή που ένα σύστημα αλλάζει ξαφνικά κατάσταση. “Δεν έχει σημασία αν εξετάζεις το σώμα ενός ατόμου που έχει επιληπτική κρίση, ή ένα οικολογικό σύστημα όπως μια λίμνη που κατακλύζεται από άλγη, ή την απώλεια της ανοσίας μέσα σε έναν πληθυσμό”, πρόσθεσε ο Μπάουχ. “Μαθηματικά, υπάρχει ένας κοινός μηχανισμός.”

Δοκιμή του μοντέλου

Για να δοκιμάσουν το μοντέλο τους, οι ερευνητές ανέλυσαν δεκάδες χιλιάδες δημόσιες αναρτήσεις στο X (πρώην Twitter) από την Καλιφόρνια, λίγο πριν από μια μεγάλη επιδημία ιλαράς το 2014. Οι παραδοσιακές μέθοδοι, όπως η απλή καταμέτρηση σκεπτικών αναρτήσεων, παρείχαν ελάχιστη προειδοποίηση πριν από την επιδημία. “Οι συνήθεις μέθοδοι πρόβλεψης μιας επιδημίας μέσω στατιστικής ανάλυσης των σκεπτικών αναρτήσεων δεν προσφέρουν πολύ χρόνο προειδοποίησης”, δήλωσε ο Μπάουχ. “Χρησιμοποιώντας τη μαθηματική θεωρία των σημείων καμπής, καταφέραμε να αποκτήσουμε πολύ μεγαλύτερο χρόνο προειδοποίησης και να ανιχνεύσουμε μοτίβα στα δεδομένα πολύ πιο αποτελεσματικά.”

Στρατηγική για το μέλλον

Η έρευνα αυτή αντικατοπτρίζει τη δέσμευση του Waterloo στη στήριξη της λήψης αποφάσεων βάσει αποδείξεων και της εμπιστοσύνης στην επιστήμη, έναν κεντρικό στόχο του δικτύου Societal Futures του Πανεπιστημίου και της νέας πρωτοβουλίας TRuST. Αυτή η πρωτοβουλία φέρνει κοντά φιλοσόφους, υπολογιστές, επικοινωνιολόγους και ηθικούς αναλυτές για να κατανοήσουν γιατί η εμπιστοσύνη στην επιστήμη κλονίζεται και πώς μπορεί να αποκατασταθεί.

Αν και αρχικά δοκιμάστηκε στο X, το μοντέλο μπορεί να προσαρμοστεί εύκολα και για άλλες πλατφόρμες όπως το TikTok ή το Instagram, αν και θα απαιτήσει περισσότερους υπολογιστικούς πόρους για την ανάλυση εικόνων και βίντεο σε σύγκριση με τη κυρίως κειμενική μορφή του X. “Τελικά, θα θέλαμε να μετατρέψουμε αυτό το εργαλείο σε ένα μέσο για τους δημόσιους υγειονομικούς φορείς ώστε να παρακολουθούν ποιες πληθυσμιακές ομάδες διατρέχουν τον υψηλότερο κίνδυνο για ένα σημείο καμπής”, δήλωσε ο Μπάουχ. “Η εφαρμοσμένη μαθηματική επιστήμη μπορεί να είναι ένα ισχυρό ποσοτικό εργαλείο που θα βοηθήσει στην πρόβλεψη, παρακολούθηση και αντιμετώπιση των απειλών για τη δημόσια υγεία.”