Vuonna 2015 Disneylandin korkean profiilin tuhkarokko-isku järkytti vanhempia perusteellisesta muutoksesta rokotusten näkökulmasta. Aiempina vuosina havaittu MMR-rokotteen tarve oli vähentynyt, ja sen myötä tuhkarokkoilta suojattujen lasten prosenttiosuus. Kun sadat ihmiset sairastuivat ja kehotti vanhempia rokottamaan, hinnat nousivat jälleen.
Ehkä pitäisi olla selvää, että rokotusten ohittaminen johtaisi enemmän sairaita lapsia, mutta useimmat amerikkalaiset vanhemmat eivät ole koskaan pitäneet huolehtia tuhkarokosta. Oireiden havaitun sairausriskin ja rokotteiden riskin välillä on dynaaminen vuorovaikutus, Chris Bauch selittää. Sovelletun matematiikan professori Waterloon yliopistossa Bauch tarkasteli sosiaalisen median suuntauksia ennen Disneylandin puhkeamista ja sen jälkeen, ja huomasi, että tilastollisesti ottaen hän pystyi seuraamaan yleisön suhtautumista rokotteisiin ja näkemään kohonnut sairausriski ennen kuin se tapahtui. Hän ja hänen yhteistyökumppaninsa julkaisivat teoksen Kansallisen tiedeakatemian julkaisussa marraskuussa.
”Jokaisella on jonkin verran intuitiota kärjessä sahoista. Jos sinulla on enemmän painoa toisella kuin toisella, se laskee raskaammalle puolelle. Mutta kun lisäät yhä enemmän painoa vastapuolelle, lopulta se kaatuu ”, hän sanoo. "Näillä tiputuspisteillä on tyypillisiä signaaleja ennen niiden syntymistä ... kysymys on, voimmeko löytää rokotuspisteen, joka johtaa suureen laskuun rokotteiden imeytymisessä, kuten rokotepelätin?"
Rokotuspelot ovat vain yksi esimerkki. Epidemiologit, tietotekniikan tutkijat ja terveydenhuollon ammattilaiset soveltavat nyt tietokoneoppimista uusien lähteiden - etenkin sosiaalisen median - tietoihin luodakseen ennustemalleja, jotka ovat samanlaisia kuin CDC, mutta paljon nopeammin. Twiitit kurkkukipuista tai lääkärin käynteistä, Google etsii kylmälääkkeitä ja jopa Fitbit- tai Apple Watch -laitteesi voivat kaikki antaa vinkkejä alueen terveyskehitykseen, jos ne vastaavat sijaintitietoja. Ja ihmiset seuraavat ja lähettävät sitä.
"Yhtäkkiä meillä on pääsy joihinkin tietoihin", sanoo Marcel Salathe, Sveitsin EPFL-instituutin digitaalisen epidemiologian laboratorion päällikkö. "Minusta se on todella suurempi kuva täällä tapahtuvasta, koska tämä on jossain määrin perinpohjainen muutos perinteisen epidemiologian tietovirrassa."
Tutkimuksessa yhteistyössä toimineille Bauchille ja Salathelle Twitter oli ensisijainen tietolähde. He rakensivat robotin etsimään tweettejä, joissa mainitaan rokotteet, ja arvioimaan niiden tunteita - olivatko he ilmoittaneet rokotteiden hyväksymisestä vai epäilystä siitä. Sitten he tarkastelivat tuloksia monimutkaisena järjestelmänä, jossa oli palautepiiri, soveltaen matemaattista mallia nähdäkseen, ennustaako se takautuvasti rokotuksen hidastumisen, joka johti Disneylandin puhkeamiseen. Se teki.
Tällaisissa järjestelmissä tapahtuu tiettyjä mitattavia signaaleja järjestelmän lähestyessä kärkipistettä. Tässä tapauksessa tutkijat näkivät "kriittisen hidastumisen", jossa tuntemus rokotteista oli hitaampaa palata normaaliksi sen jälkeen, kun uutisartikkeli tai julkkiksen twiitti vaikutti siihen. Mahdollisuus nähdä tämä käännöskohtaan johtaminen tarkoittaa, että sijaintitietojen perusteella kansanterveysviranomaiset voisivat rakentaa kampanjoita, jotka kohdistuvat alueisiin, joilla on lisääntynyt riski rokotepelolle ja siten puhkeamiselle.
Sosiaalisen median lähteistä julkisesti saatavien tietojen, tietosuoja mukaan lukien, käytöllä on esteitä, mukaan lukien yksityisyys, vaikkakin Twitter-tietoja käyttävät tutkijat huomauttavat, että on eräänlainen olettamus, että jos twiitit terveydestäsi, joku saattaa lukea sen. Lisäksi voi olla haastavaa luoda tietokoneohjelmia sisällön analysoimiseksi, huomauttaa Graham Dodge, Sickweatherin perustaja ja toimitusjohtaja. Sovelluspohjainen palvelu tuottaa terveysennusteita ja live-karttoja sairausraporteista.
Dodge ja hänen perustajakumppaninsa tekivät yhteistyötä Johns Hopkinsin tutkijoiden kanssa analysoidakseen miljardeja tweettejä, joissa mainittiin sairauksia. Prosessissa erotettiin tarkoitukselliset, pätevät raportit (“minulla on flunssa”) epämääräisemmistä kommentteista (“tunnen pahoinvointia”) ja jopa harhaanjohtava lause (“Minulla on Bieber-kuume”). Heidän on myös täytynyt korvata puuttuvat tai epätarkkoja sijaintitiedot - kaikki Twitter-käyttäjät, jotka vain merkitsevät sijaintiksi esimerkiksi "Seattle", pudotetaan pieneen Seattle'in keskustaan postinumeroa kuin leviävät ympäri kaupunkia.
Sickweather julkaisi vuonna 2013 mobiilisovelluksen, jonka avulla käyttäjät voivat ilmoittaa sairauksista suoraan Sickweatherille ja tarkastella sijaintinsa olosuhteita. Kliiniset tutkijat ja lääkeyhtiöt käyttävät sovelluksen ennustemallia ennakoida sairauden huiput useita viikkoja ennen CDC: tä, mutta vertailukelpoisella tarkkuudella.
"Kun tämä on miljoonien ihmisten käsissä, 270 000 sijasta, kuinka tämä mittakaavassa pelataan, se voisi todella torjua sairauden leviämisen monissa paikoissa", Dodge sanoo.
Muut projektit ovat kokeilleet erilaisia lähestymistapoja. Flu lähellä sinua tarttuu oireisiin itseraportoidulla kyselyllä, GoViral on lähettänyt sarjan liman ja syljen itseanalyysiin. Google Flu Trends hyödynsi yrityksen tietoja flunssan seuraamiseksi ja julkaisi tulokset Nature- projektissa, vaikka projekti suljettiin vuoden 2013 sytytyksen jälkeen. Kokeilu, jossa Google käytti flunssahakuja arvioidakseen kuinka monta ihmistä sairastui, yliarvioi taudin esiintyvyyttä, mikä johtui mahdollisesti siksi, että huonon flunssakauden tiedotusvälineet saivat ihmiset etsimään flunssa liittyviä termejä useammin.
Vaikka Twitteriä voidaan käyttää itse sairauksien seuraamiseen, Salathe sanoo, että jotkut Dodgen mainitsemista haasteista selittävät, miksi rokotteiden hyväksymisen meta-analyysi on järkevämpää kuin itse ilmoitetut sairaudet.
"En ole varma, että Twitter on paras tietolähde tälle, koska ihmiset antavat niin omituisia lausuntoja itsestään, kun heidän on itse diagnosoitava", Salathe sanoo. "Kyse ei ole itse asiassa niinkään itse taudin seurannasta, vaan ihmisten reaktion seuraamisesta siihen."
GoViralilla on lisäetu, selittää projektia johtavan NYU: n tietotekniikan ja tekniikan professori Rumi Chunara. Se ei luota itseraportointiin, vaan laboratoriokokeisiin, jotka arvioivat lopullisesti virusten leviämisen ja vertaa niitä oireraportteihin.
"Mahdollisuuksia on paljon, mutta on myös haasteita, ja mielestäni siihen voitaisiin keskittyä paljon tiedettä", Chunara sanoo. Kuinka se täydentää kliinistä tietoa? Kuinka voimme vähentää melua ja soveltaa tietoja? Mitä tarkempia kenttiä tai ihmisen käyttäytymistä voimme tarkastella?
Uudemmat tekniikat - etenkin kuntoasemat ja muut suorat terveysmittaukset - antavat enemmän, parempia tietoja, jotka ovat vähemmän subjektiivisia, hän sanoo.
"Monta kertaa saamme tämän surina, tämä on jotain mahtavaa, sosiaalisen median terveys", hän sanoo. "Kysymys siitä, että se tottuu, on mielestäni jotain, jonka koko yhteisön pitäisi etsiä."
