Twitter-datastrøm bruges til at forudsige influenzaudbrud

Tilbage i 2008 lancerede Google sin nu berømte hjemmeside for influenzatrends. Det fungerer ud fra den hypotese, at folk laver flere influenza-relaterede søgeforespørgsler, når de lider af sygdommen, end når de er raske. Så at tælle antallet af influenza-relaterede søgeforespørgsler i et givet land giver en god indikation af, hvordan virussen spredes.

Forudsigelserne er ret gode. Dataene svarer generelt tæt til dem, der er produceret af statslige organisationer såsom Centers for Disease Control and Prevention (CDC) i USA. Faktisk har den i nogle tilfælde været i stand til at opdage en begyndende epidemi mere end en uge før CDC.

Det har været enormt vigtigt. En tidlig indikation af, at sygdommen spreder sig i en befolkning, giver regeringerne et velkomment forspring i planlægningen af ​​dens reaktion.

Så et interessant spørgsmål er, om andre onlinetjenester, især sociale medier, kan lave lignende eller endnu bedre forudsigelser. I dag har vi et svar takket være arbejdet fra Jiwei Li ved Carnegie Mellon University i Pittsburgh og Claire Cardie ved Cornell University i New York State, som har været i stand til at opdage de tidlige stadier af et influenzaudbrud ved hjælp af Twitter.

Deres tilgang ligner på mange måder Googles. De filtrerer simpelthen Twitter-datastrømmen for influenza-relaterede tweets, der også er geotagget. Det giver dem mulighed for at oprette et kort, der viser fordelingen af ​​disse tweets, og hvordan den varierer over tid.

De modellerer også sygdommens dynamik med nogle interessante finesser. I den nye model kan en influenzaepidemi være i en af ​​fire faser: ikke-epidemifase, en stigende fase, hvor antallet er stigende, en stationær fase og en faldende fase, hvor antallet er faldende.

Den nye tilgang bruger en algoritme, der forsøger at få øje på skiftet fra en fase til en anden så tidligt som muligt. Faktisk tester Li og Cardie effektiviteten af ​​deres tilgang ved hjælp af et Twitter-datasæt med 3,6 millioner influenza-relaterede tweets fra omkring 1 million mennesker i USA mellem juni 2008 og juni 2010.

For at kontrollere, hvor godt deres forudsigelser virker, sammenlignede Li og Cardie deres analyse med den, der blev produceret af CDC. Vi verificerer, at influenza-relaterede tweets er stærkt korrelerede med antallet af tilfælde af influenzalignende sygdom (ILI) leveret af CDC, siger de.

Det ser ud til at være et stærkt og vigtigt nyt værktøj i kampen mod influenzaepidemier. Det giver helt sikkert en ny måde at spotte sygdommen i dens tidlige stadier. Faktisk vil en interessant opgave være at sammenligne dens effektivitet med andre systemer, såsom Googles influenza-tendenser og CDC's egne forudsigelser.

Omkring 10-15% af mennesker får influenza hvert år, hvilket resulterer i omkring 50 millioner tilfælde og 500.000 dødsfald rundt om i verden. Det er en tung vejafgift. Evnen til at spotte starten på en epidemi en uge eller deromkring tidligere, end det er muligt nu, og gøre det relativt billigt og nemt over hele verden, kunne gøre det muligt for regeringer og medicinske agenturer at redde et betydeligt antal liv.

Ref: arxiv.org/abs/1309.7340 : Tidlig influenzadetektion fra Twitter

skjule