În 2015, un focar înalt de rujeolă la Disneyland a șocat părinții într-o schimbare fundamentală a perspectivei privind vaccinările. În anii precedenți, nevoia percepută de vaccinul MMR a scăzut și, odată cu aceasta, procentul de copii care au fost protejați de rujeolă. După ce sute de oameni s-au îmbolnăvit, determinând părinții să se vaccineze, ratele au urcat din nou.
Poate ar trebui să fie evident că săritura vaccinărilor ar duce la mai mulți copii bolnavi, dar majoritatea părinților americani în aceste zile nu au fost nevoiți să se îngrijoreze de rujeolă. Chris Bauch explică că există o interacțiune dinamică între riscul de boală perceput și cel perceput de vaccinuri. Profesor de matematică aplicată la Universitatea din Waterloo, Bauch a analizat tendințele de socializare înainte și după focarul de la Disneyland și a observat că, statistic vorbind, poate urmări sentimentul public față de vaccinuri și va vedea riscul crescut de boli înainte de a se întâmpla. El și colaboratorii săi au publicat lucrarea în Proceedings of the National Academy of Sciences in November.
„Toată lumea are o anumită intuiție pentru bascularea punctelor din ferăstraie. Dacă aveți mai multă greutate pe o parte decât pe cealaltă, aceasta se dă în jos pe partea mai grea. Dar, pe măsură ce adăugați din ce în ce mai multă greutate părții opuse, în cele din urmă, acesta va da peste cap ”, spune el. „Aceste puncte de basculare prezintă semnale caracteristice înainte să apară ... întrebarea este: putem căuta prezența unui punct de basculare care să conducă la o scădere mare a absorbției vaccinului, cum ar fi o sperietoare a vaccinului?”
Spaimele de vaccin sunt doar un exemplu. Epidemiologii, oamenii de știință informatică și profesioniștii din domeniul sănătății aplică acum învățarea pe calculator a datelor din surse noi - în special a social media - pentru a crea modele predictive similare cu CDC-urile, dar mult mai rapid. Tweeturile despre durerile de gât sau vizitele medicului, căutările Google pentru remedii la rece și chiar și Fitbit sau Apple Watch pot da toate indicii tendințelor de sănătate dintr-o zonă, dacă se potrivesc cu datele locației. Și oamenii îl urmăresc și îl încarcă.
„Deodată avem acces la unele date”, spune Marcel Salathe, șeful laboratorului de epidemiologie digitală din institutul Elveția EPFL. „Asta este pentru mine într-adevăr o imagine mai mare a ceea ce se întâmplă aici, deoarece într-o oarecare măsură aceasta este o schimbare profundă a fluxului de date al epidemiologiei tradiționale.”
Pentru Bauch și Salathe, care au colaborat la studiu, Twitter a fost sursa principală de date. Ei au construit un bot care să caute tweet-uri care să menționeze vaccinurile și să evalueze sentimentul acelor tweet-uri - indiferent dacă au indicat acceptarea sau îndoiala despre vaccinuri. Apoi, au privit rezultatele ca un sistem complex cu o buclă de feedback, aplicând un model matematic pentru a vedea dacă acesta ar putea anticipa retroactiv încetinirea vaccinării care a dus la focarul Disneyland. A facut.
În sisteme ca acesta, anumite semnale măsurabile apar pe măsură ce sistemul se apropie de un punct de basculare. În acest caz, cercetătorii au văzut o „încetinire critică”, în care sentimentul despre vaccinuri a fost mai lent pentru a reveni la normal, după ce un articol de știri sau un tweet al unei celebrități l-au influențat. A fi capabil să vadă această abordare până la punctul de înclinare înseamnă că, date de locația dată, oficialii de sănătate publică ar putea construi campanii care vizează zone care prezintă un risc crescut de sperietura de vaccin și, astfel, un focar.
Există bariere în utilizarea datelor disponibile public din surse de socializare, desigur, inclusiv confidențialitate, deși cercetătorii care folosesc datele Twitter subliniază că este un fel de presupunere că, dacă tuți un mesaj despre sănătatea ta, cineva îl poate citi. De asemenea, poate fi dificil să construim programe de calculator pentru a analiza informațiile conținute, subliniază Graham Dodge, co-fondator și CEO al Sickweather, un serviciu bazat pe aplicații care generează prognoze de sănătate și hărți în direct ale rapoartelor de boală.
Dodge și cofondatorii săi au colaborat cu cercetătorii de la Johns Hopkins pentru a analiza miliarde de tweet-uri care menționează boli. Procesul a presupus separarea rapoartelor intenționate și calificate („am gripa”) de comentarii mai vagi („mă simt bolnav”) și chiar frazarea înșelătoare („am febră Bieber”). De asemenea, au trebuit să compenseze datele privind locația absentă sau inexactă - toți utilizatorii Twitter care marchează pur și simplu „Seattle” ca locație, de exemplu, sunt aruncați într-un mic cod poștal din centrul orașului Seattle, mai degrabă decât răspândiți în oraș.
Sickweather a fost lansată în 2013 cu o aplicație mobilă care permite utilizatorilor să raporteze bolile direct la Sickweather, precum și să vizualizeze condițiile din locația lor. Cercetătorii clinici și companiile farmaceutice folosesc modelul predictiv al aplicației pentru a anticipa vârfurile bolii cu câteva săptămâni înaintea CDC, dar cu o precizie comparabilă.
„Odată ce acest lucru va fi în mâinile a milioane de oameni, în loc de 270.000, modul în care acest joc la scară ar putea într-adevăr să împiedice răspândirea bolii în multe locuri”, spune Dodge.
Alte proiecte au încercat abordări diferite. Gripa aproape de tine surprinde simptomele printr-un sondaj auto-raportat, GoViral a trimis un kit pentru auto-analiză de mucus și salivă, iar Google Flu Trends a pus bazele datelor companiei pentru a urmări gripa și și-a publicat rezultatele în Nature, deși proiectul închis după un incendiu greșit în 2013. Experimentul, în care Google a folosit căutări legate de gripă pentru a estima cât de mulți oameni erau bolnavi, a supraestimat prevalența bolii, posibil pentru că acoperirea mediatică a unui sezon de gripă rea a determinat oamenii să caute termeni legați de gripă mai des.
În timp ce Twitter poate fi folosit pentru a urmări bolile în sine, Salathe spune că unele dintre provocările menționate de Dodge explică de ce metaanaliza acceptării vaccinului are mai mult sens decât bolile auto-raportate.
„Nu sunt sigur că Twitter este cea mai bună sursă de date pentru că oamenii dau astfel de declarații ciudate despre ei înșiși atunci când trebuie să se auto-diagnostice”, spune Salathe. „De fapt nu este vorba atât despre urmărirea bolii în sine, ci mai degrabă de urmărirea răspunsului uman la ea.”
GoViral are un avantaj suplimentar, explică Rumi Chunara, profesor de informatică și inginerie din NYU care conduce proiectul respectiv. Nu se bazează pe auto-raportare, ci pe teste de laborator care evaluează definitiv răspândirea virusurilor și le compară cu rapoartele de simptome.
„Există o mulțime de oportunități, dar există și provocări și cred că acolo este o mare concentrare a științei”, spune Chunara. Cum se completează datele clinice? Cum reducem zgomotul și aplicăm informațiile? Ce domenii mai specifice sau comportament uman putem privi?
Tehnologiile mai noi - în special trackerele de fitness și alte măsuri directe de sănătate - vor oferi date mai bune, mai bune, care sunt mai puțin subiective, spune ea.
„De multe ori, obținem acest zgomot, acesta este ceva minunat, sănătatea în social media”, spune ea. "Întrebarea de a se obișnui este ceva ce cred că întreaga comunitate ar trebui să privească."
