2015年、ディズニーランドでの流行のはしかの大流行により、両親は予防接種に対する考え方の根本的な変化に衝撃を受けました。 過去数年で、MMRワクチンの必要性が認識されなくなり、それに伴い、麻疹から保護された子供の割合が減少しました。 何百人もの人々が病気になり、両親に予防接種を促した後、再び上昇した。
たぶん、ワクチン接種をスキップすると病気の子供が増えることは明らかですが、最近のほとんどのアメリカ人の両親ははしかを心配する必要がありません。 Chris Bauch氏は、病気のリスクとワクチンのリスクとの間に動的な相互作用があると説明しています。 ウォータールー大学の応用数学の教授であるバウチは、ディズニーランドの大流行の前後にソーシャルメディアの傾向を調べ、統計的に言えば、ワクチンに対する国民の感情を追跡し、それが起こる前に病気のリスクが高まることを確認できました。 彼と彼の共同研究者は、11月に全米科学アカデミーの論文集でこの作品を発表しました。
「誰もがシーソーからの転換点について直感を持っています。 片側の重量が他の側よりも大きい場合は、重量のある側が下に傾いています。 しかし、反対側により多くの重量を加えると、最終的に転倒します」と彼は言います。 「これらの転換点は、発生する前に特徴的な信号を示します…質問は、ワクチンの恐怖のように、ワクチン摂取の大幅な減少につながる転換点の存在を探すことができますか？」
ワクチンの恐怖はほんの一例です。 疫学者、コンピューター科学者、および医療専門家は現在、新しいソース（特にソーシャルメディア）からのデータにコンピューター学習を適用して、CDCに似ているがはるかに高速な予測モデルを作成しています。 喉の痛みや医師の診察に関するツイート、Googleによる風邪薬の検索、そしてFitbitやApple Watchでさえも、位置データと一致すれば、その地域の健康傾向を示唆することができます。 そして、人々はそれを追跡してアップロードしています。
「突然、いくつかのデータにアクセスできるようになりました」と、スイスのEPFL研究所のデジタル疫学研究所の責任者であるMarcel Salathe氏は言います。 「これは実際にここで何が起こっているかをより大局的に見たものです。これは、ある程度までは従来の疫学のデータフローの大きな変化だからです。」
この研究で協力したBauchとSalatheにとって、Twitterはデータの主要なソースでした。 彼らは、ワクチンに言及したツイートを検索し、それらのツイートの感情を評価するためのボットを構築しました-ワクチンの受け入れまたは疑いを示しました。 次に、結果をフィードバックループを備えた複雑なシステムと見なし、数学的モデルを適用して、ディズニーランドの流行につながった予防接種の減速を遡及的に予測するかどうかを確認しました。 やった
このようなシステムでは、システムが転換点に近づくと、特定の測定可能な信号が発生します。 この場合、研究者は「重大な減速」を見ました。そこでは、ニュース記事や有名人のツイートが影響を与えた後、ワクチンに対する感情が通常に戻るのが遅くなりました。 転換点へのこのリードアップを見ることができるということは、場所のデータが与えられると、公衆衛生当局は、ワクチンの恐怖、したがってアウトブレイクのリスクが高い地域をターゲットとするキャンペーンを構築できることを意味します。
もちろん、プライバシーを含め、ソーシャルメディアソースから公開されているデータを使用することには障壁がありますが、Twitterデータを使用する研究者は、あなたがあなたの健康についてツイートした場合、誰かがそれを読むかもしれないと考えていると指摘しています。 また、含まれる情報を解析するコンピュータープログラムを構築するのは困難な場合があります。Sickweatherの共同創立者兼CEOであるGraham Dodgeは、健康予測と病気レポートのライブマップを生成するアプリベースのサービスです。
ダッジと彼の共同設立者は、ジョンズ・ホプキンスの研究者と協力して、病気に言及した数十億のツイートを分析しました。 このプロセスでは、意図的で資格のあるレポート（「インフルエンザにかかっている」）を、より曖昧なコメント（「気分が悪い」）と誤解を招く表現（「ビーバーフィーバー」）から分離しました。 また、位置データの欠落または不正確さを補う必要がありました。たとえば、「シアトル」を単に位置としてマークするすべてのTwitterユーザーは、街中に広がるのではなく、シアトルのダウンタウンの小さな郵便番号にドロップされます。
Sickweatherは2013年に、ユーザーが病気をSickweatherに直接報告できるだけでなく、その場所の状態を表示できるモバイルアプリをリリースしました。 臨床研究者および製薬会社は、アプリの予測モデルを使用して、CDCの数週間前に疾患のピークを予測しますが、精度は同等です。
「これが270, 000人ではなく、数百万人の手に渡ると、これが大規模にどのように機能するかが、多くの場所での病気の広がりを本当に防ぐことができます」とDodge氏は言います。
他のプロジェクトはさまざまなアプローチを試みました。 Flu Near Youは自己報告調査で症状を捕捉し、GoViralは粘液と唾液の自己分析キットを送信しています。GoogleFlu Trendsはその企業のデータを活用してインフルエンザを追跡し、その結果をNatureに公開しました。 Googleがインフルエンザ関連の検索を使用して病気の人の数を推定した実験では、病気の有病率が過大評価されました。おそらく、インフルエンザの悪い季節のメディア報道が人々にインフルエンザ関連の用語を検索させたためですより頻繁に。
Twitterは病気自体を追跡するために使用できますが、Salatheは、Dodgeが言及した課題のいくつかが、自己申告の病気よりもワクチンの受け入れのメタ分析が理にかなっている理由を説明すると述べています。
「Twitterがそのための最良のデータソースであるかどうかはわかりません。なぜなら、人々は自己診断しなければならないときに、自分自身についての奇妙な発言をするからです」とSalathe氏は言います。 「実際には、病気そのものを追跡することではなく、人間の反応を追跡することです。」
GoViralにはさらに利点があると、そのプロジェクトを運営するNYUコンピューターサイエンスおよびエンジニアリングの教授であるRumi Chunara氏は説明します。 自己報告に依存するのではなく、ウイルスの広がりを明確に評価し、それらを症状報告と比較するラボテストに依存します。
「多くの機会がありますが、課題もあります。多くの科学に焦点を当てることができると思います」とChunara氏は言います。 臨床データをどのように補完しますか？ ノイズを減らして情報を適用するにはどうすればよいですか？ より具体的な分野や人間の行動は何ですか？
新しいテクノロジー、特にフィットネストラッカーやその他の健康の直接的な尺度は、より主観的ではない、より多くのより良いデータを提供すると彼女は言います。
「多くの場合、私たちはこの話題を得ます。これは素晴らしい、ソーシャルメディアの健康です」と彼女は言います。 「それが慣れるという問題は、コミュニティ全体が見据えるべきだと思うものです。」
