טוויטר מנבא: עוד 8 ימים תחלו בשפעת

בתי החולים בישראל קורסים תחת העומס, מחלקות פנימיות נמצאות באחוזי תפוסה שקשה לתפוס, והכל בשל תחלואה דמוית שפעת. השנה התחלואה אף גבתה קורבנות לא טיפוסיים – שוב אנשים צעירים יותר. ובכן, אחד האתגרים בשפעת הוא לא רק לדעת אילו זנים יתקפו בכל שנה, אלא  להבין את דפוסי ההדבקה ולנסות ולנבא כיצד תתפתח ההדבקות ברמה הגאוגרפית. אדם סיידק ופרופ' הנרי קאוץ מאונ' רוצ'יסטר שבארה"ב החוקרים את ההתנהגות האנושית באמצעות מודלים ממוחשבים המסתמכים על רשתות חברתיות, הצליחו לבנות מודל של הדבקה בשפעת עם כיוונים גאוגרפיים באמצעות טוויטר ובאמצעותו לנבא מתי אדם יחלה בשפעת.

המודל הנוכחי מדגיש שוב את החשיבות של הרשתות החברתיות במדע האפידמיולוגיה והיכולת לקבל מידע נרחב באופן יחסית זמין, במקום עלויות מחקר ותשאול נרחבות.

אינטליגנציה מלאכותית, רשתות חברתיות ושפעת

השניים שעוסקים במדעי המחשב, פיתחו מודל שמאפשר לצפות ולנבא את התפרצות השפעת ואת כיווניה הגאוגרפיים וכן את סיכוייו של הפרט לחלות במחלה על בסיס מספר האינטראקציות שלו עם אנשים שטענו כי יש להם סימפטומים. הם עקבו אחר 630,000 משתמשים ו-4.4 מיליון ציוצים מניו יורק והצליחו לנבא מתי בן אדם ספציפי יהיה חולה בשפעת עד 8 ימים לפני שחלה בדיוק של 90%. המודל שלהם עשה שימוש בניתוח שפה טבעית וכן למידה באמצעות אינטליגנציה מלאכותית, וכך המודל מצליח להפריד בין כתיבה המבטאת תחושת חולי כמו: "התכנית הזו עושה אותי חולה!" לבין כתיבה עם סימפטומים ספציפיים לשפעת : "מרגיש חולשה וכאב בכל הגוף, אני חולה". לדברי סיידק מכיוון שמרבית הציוצים בטוויטר נושאים תיוג המראה על מיקום ממנו נשלח הציוץ זה מאפשר למערכת לבצע חישוב האם אדם נמצא ליד אנשים חולים או לא, ובכך לנבא את סיכויי ההידבקות שלו.

בנוסף לניסוי האלגוריתם מאפשר להבין טוב יותר כיצד האינטראקציות היומיומיות קשורות להתפרצות של מגיפות ופאנדמיות, כמו כן נין לחשוב על אפליקציה שתגיד לנו – מתי אנו עלולים להיות חולים….

התוכנה ומודל הניבוי שבנה, כך על פי סיידק, מדויקת יותר ומהירה יותר מהאפליקציה המשותפת של גוגל וה-CDC שנועדה גם היא לבדוק את התפשטות השפעת על פי חיפושי גוגל באזור מסוים עליה כתבתי בעבר. בנוסף ליכולת לבדוק את עניין השפעת, ניתן לבדוק נושאים בריאותיים נוספים באמצעות האלגוריתם, וניתן להתנסות באתר http://fount.in/