Ученые научились предсказывать вспышки болезней по соцсетям
Падение прививаемости и волна дезинформации приводят к тому, что забытые инфекции - прежде всего корь - снова распространяются. Исследователи из Университета Ватерлоо (Канада) предложили инструмент, который может предупредить эпидемиологов о грядущей вспышке еще до появления первых заболевших. Алгоритм анализирует публикации в соцсетях и фиксирует ранние сигналы роста недоверия к вакцинации.
Работа опубликована в журнале Mathematical Biosciences and Engineering (MBE).
"Мы решили посмотреть на социальную динамику как на экологическую систему, где дезинформация распространяется так же, как патоген - от пользователя к пользователю", - объяснил профессор прикладной математики Крис Баух.
По его словам, модель основана на концепции "точки бифуркации" - критического момента, когда любая система резко переходит в новое состояние. Тот же математический механизм наблюдают и при эпилептических приступах, и при обрушении экосистем, и при утрате коллективного иммунитета.
Чтобы проверить метод, ученые проанализировали десятки тысяч публичных постов в соцсети X, опубликованных в Калифорнии (США) перед крупной вспышкой кори в 2014 году. Классический подход - просто считать число скептических твитов - почти не давал предупреждений. Но модель, основанная на теории "точек перехода", позволила выявить характерные изменения в поведении пользователей существенно раньше. Результаты подтвердили, сравнив динамику скептических постов в Калифорнии с регионами, в которых вспышек не было.
Исследователи отметили, что метод можно адаптировать и под TikTok, хотя анализ видео потребует больших вычислительных мощностей. В перспективе алгоритм может стать инструментом для органов здравоохранения, отслеживающим регионы, наиболее близкие к "точке невозврата" по распространению антивакцинаторских настроений.
"Прикладная математика может стать мощным инструментом, помогающим выявлять, прогнозировать и предотвращать угрозы общественному здоровью", - подчеркнул Баух.
Работа опубликована в журнале Mathematical Biosciences and Engineering (MBE).
"Мы решили посмотреть на социальную динамику как на экологическую систему, где дезинформация распространяется так же, как патоген - от пользователя к пользователю", - объяснил профессор прикладной математики Крис Баух.
По его словам, модель основана на концепции "точки бифуркации" - критического момента, когда любая система резко переходит в новое состояние. Тот же математический механизм наблюдают и при эпилептических приступах, и при обрушении экосистем, и при утрате коллективного иммунитета.
Чтобы проверить метод, ученые проанализировали десятки тысяч публичных постов в соцсети X, опубликованных в Калифорнии (США) перед крупной вспышкой кори в 2014 году. Классический подход - просто считать число скептических твитов - почти не давал предупреждений. Но модель, основанная на теории "точек перехода", позволила выявить характерные изменения в поведении пользователей существенно раньше. Результаты подтвердили, сравнив динамику скептических постов в Калифорнии с регионами, в которых вспышек не было.
Исследователи отметили, что метод можно адаптировать и под TikTok, хотя анализ видео потребует больших вычислительных мощностей. В перспективе алгоритм может стать инструментом для органов здравоохранения, отслеживающим регионы, наиболее близкие к "точке невозврата" по распространению антивакцинаторских настроений.
"Прикладная математика может стать мощным инструментом, помогающим выявлять, прогнозировать и предотвращать угрозы общественному здоровью", - подчеркнул Баух.
