پیشبینی شیوع بیماری با بهره گیری از رسانه های اجتماعی
سایت امن: محققان کانادایی یک مدل یادگیری ماشینی را ارایه کرده اند که با تحلیل پست های پخش شده در رسانه های اجتماعی می تواند به پیش بینی محل وقوع شیوع بیماری کمک نماید.
به گزارش سایت امن به نقل از ایسنا، میزان واکسیناسیون در خیلی از جوامع به سبب گسترش اطلاعات نادرست رو به کاهش است و بیماری هایی مانند سرخک که پیش تر ریشه کن شده یا کنترل شده بودند، در سرتاسر آمریکا و کانادا رو به افزایش هستند.
به نقل از میراژ نیوز، محققان «دانشگاه واترلو»(UWaterloo) در کانادا روش تازه ای را ارایه کرده اند که می تواند به مقامات بهداشت عمومی در پیش بینی محل وقوع شیوع بیماری کمک نماید. این شیوه با تحلیل پست های انتشار یافته در رسانه های اجتماعی، نشانه های اولیه افزایش تردید را در رابطه با واکسن شناسایی می کند. این یک سیگنال هشداردهنده است که می تواند قبل از شروع شیوع هر بیماری ظاهر شود.
دکتر «کریس باوخ»(Chris Bauch)، استاد دانشگاه واترلو اظهار داشت: در طبیعت، ما سیستم های مسری مانند بیماریها را داریم. ما تصمیم گرفتیم به پویایی اجتماعی مانند یک سیستم اکولوژیکی نگاه نماییم و بررسی کردیم که چه طور اطلاعات نادرست می توانند از راه یک شبکه رسانه اجتماعی به شکل مسری از کاربری به کاربر دیگر منتقل شوند.
این گروه پژوهشی یک مدل یادگیری ماشینی را بر مبنای مفهوم ریاضی نقطه اوج -لحظه ای که یک سیستم ناگهان به حالت جدیدی تغییر می کند- آموزش دادند. باوخ اظهار داشت: فرقی نمی کند که بدن یک فرد دچار صرع را بررسی کنید یا یک سیستم اکولوژیکی مانند دریاچه اشغال شده توسط جلبک ها یا از دست دادن ایمنی جمعی در یک جمعیت. از نظر ریاضی، یک مکانیسم اساسی مشترک وجود دارد.
محققان برای آزمایش مدل خود، ده ها هزار پست عمومی انتشار یافته در پلت فرم ایکس از کالیفرنیا را درست قبل از شیوع گسترده سرخک در سال ۲۰۱۴ تحلیل کردند. روش های سنتی مانند شمارش ساده توییت های شکاکانه قبل از شیوع، اخطار بسیار کمی را نشان می دادند.
باوخ اظهار داشت: روش های معمول پیش بینی شیوع بیماری با انجام دادن تحلیل آماری توییت های شکاکانه، زمان زیادی را قبل از شیوع بیماری عرضه نمی دهند. ما با استفاده از نظریه ریاضی نقاط اوج توانستیم زمان بسیار بیشتری را به دست بیاوریم و الگوهای موجود در داده ها را بسیار مؤثرتر تشخیص دهیم.
محققان با مقایسه الگوهای ارسال پست در کالیفرنیا با مناطق دیگری در همان زمان که هیچ شیوعی در آنها رخ نداده بود، دقت روش نقطه اوج را تأیید کردند.
باآنکه این مدل در ابتدا روی ایکس آزمایش شد اما میتوان آنرا به آسانی با پلت فرم هایی مانند «تیک تاک» یا «اینستاگرام» نیز تطبیق داد. با این حال، در مقایسه با فرمت به طور عمده مبتنی بر متن پلت فرم ایکس، برای تحلیل تصاویر و ویدیوهای این دو پلت فرم به منابع محاسباتی بیشتری نیاز خواهد داشت.
باوخ اظهار داشت: ما در نهایت می خواهیم این مدل را به روشی برای مقامات بهداشت عمومی تبدیل نماییم تا بر جمعیت هایی که در معرض بیشترین خطر برای رسیدن به نقطه اوج هستند، نظارت کنند. ریاضیات کاربردی می تواند روش قدرتمندی برای پیش بینی، نظارت و رسیدگی به تهدیدات سلامت عمومی باشد.
به طور خلاصه از نظر ریاضی، یک مکانیسم اساسی مشترک وجود دارد. در عین حال، در مقایسه با فرمت به صورت عمده مبتنی بر متن پلتفرم ایکس، برای تحلیل تصاویر و ویدئوهای این دو پلتفرم به منابع محاسباتی بیشتری نیاز خواهد داشت.
منبع: websec.ir
اگر پسندیدید لاک کنید:
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان سایت امن در مورد این مطلب