В 2015 году громкая вспышка кори в Диснейленде потрясла родителей фундаментальным изменением взглядов на прививки. В предшествующие годы осознанная потребность в вакцине MMR снизилась, а вместе с ней и процент детей, которые были защищены от кори. После того, как сотни людей заболели, побудив родителей сделать прививку, показатели снова поднялись.
Возможно, должно быть очевидно, что пропуск прививок приведет к большему количеству больных детей, но большинству американских родителей в наши дни никогда не приходилось беспокоиться о кори. Крис Баух объясняет, что между воспринимаемым риском заболевания и предполагаемым риском вакцинации существует динамическое взаимодействие. Профессор прикладной математики в Университете Ватерлоо, Баух, посмотрел на тенденции в социальных сетях до и после вспышки Диснейленда и заметил, что, по статистике, он может отслеживать отношение общественности к вакцинам и видеть повышенный риск заболевания до того, как это произошло. Он и его сотрудники опубликовали работу в трудах Национальной академии наук в ноябре.
«У каждого есть некоторая интуиция для переломных моментов от качелей. Если у вас больше веса на одной стороне, чем на другой, он опускается на более тяжелую сторону. Но по мере того, как вы добавляете все больше и больше веса противостоящей стороне, в конечном итоге это перевернется », - говорит он. «Эти переломные моменты демонстрируют характерные сигналы до того, как они возникнут… вопрос в том, можем ли мы искать наличие переломного момента, приводящего к значительному снижению потребления вакцины, такого как паника из-за вакцины?»
Вакцины пугает только один пример. Эпидемиологи, компьютерные ученые и медицинские работники в настоящее время применяют компьютерное обучение к данным из новых источников, особенно из социальных сетей, для создания прогностических моделей, аналогичных CDC, но гораздо быстрее. Твиты о боли в горле или визитах к врачу, поиски лекарств от простуды в Google и даже ваши Fitbit или Apple Watch могут дать подсказки о тенденциях в области здоровья в регионе, если они соответствуют данным о местоположении. И люди отслеживают это и загружают это.
«Внезапно мы получаем доступ к некоторым данным», - говорит Марсель Салате, руководитель лаборатории цифровой эпидемиологии в швейцарском институте EPFL. «Для меня это действительно большая картина того, что здесь происходит, потому что в некоторой степени это глубокое изменение потока данных традиционной эпидемиологии».
Для Бауча и Салате, которые сотрудничали в исследовании, Twitter был основным источником данных. Они создали бота для поиска твитов с упоминанием вакцин и оценки настроения этих твитов - независимо от того, указывали они на принятие или сомнение в отношении вакцин. Затем они рассматривали результаты как сложную систему с обратной связью, применяя математическую модель, чтобы увидеть, будет ли она задним числом предсказывать замедление вакцинации, которое привело к вспышке в Диснейленде. Это сделал.
В подобных системах определенные измеримые сигналы возникают, когда система приближается к переломному моменту. В этом случае исследователи увидели «критическое замедление», когда настроение в отношении вакцин стало медленнее возвращаться к нормальному состоянию после того, как на него повлияла новостная статья или твит от знаменитости. Возможность увидеть этот шаг к переломному моменту означает, что, учитывая данные о местонахождении, представители общественного здравоохранения могли бы проводить кампании, нацеленные на районы, где существует повышенный риск запугивания вакциной и, следовательно, вспышки.
Конечно, существуют препятствия для использования общедоступных данных из источников в социальных сетях, включая конфиденциальность, хотя исследователи, использующие данные Twitter, указывают на то, что предполагается, что если вы пишите в Твиттере о своем здоровье, кто-то может его прочитать. Также может быть сложно создавать компьютерные программы для анализа содержащейся в них информации, указывает Грэм Додж, соучредитель и генеральный директор Sickweather, службы на основе приложений, которая генерирует прогнозы здоровья и живые карты отчетов о заболеваниях.
Додж и его соучредители сотрудничали с исследователями из Джонса Хопкинса, чтобы проанализировать миллиарды твитов, упоминающих болезни. Процесс включал отделение преднамеренных, квалифицированных отчетов («у меня грипп») от более смутных комментариев («я чувствую себя больным») и даже вводящих в заблуждение фраз («у меня лихорадка Бибера»). Им также пришлось компенсировать отсутствующие или неточные данные о местоположении - все пользователи Twitter, которые просто отмечают «Сиэтл» в качестве своего местоположения, например, помещаются в небольшой почтовый индекс в центре Сиэтла, а не распространяются по всему городу.
Sickweather был запущен в 2013 году с мобильным приложением, которое позволяет пользователям сообщать о заболеваниях непосредственно в Sickweather, а также просматривать условия в их регионе. Клинические исследователи и фармацевтические компании используют прогностическую модель приложения для прогнозирования пиков заболеваемости за несколько недель до CDC, но с сопоставимой точностью.
«Как только это попадет в руки миллионов людей, а не 270 000, то, как это изменится в масштабе, действительно может предотвратить распространение болезней во многих местах», - говорит Додж.
Другие проекты пробовали разные подходы. Вирус гриппа обнаруживает симптомы с помощью самоотчетов, GoViral отправляет набор для самостоятельного анализа слизи и слюны, а Google Flu Trends использует данные этой компании для отслеживания гриппа и публикует свои результаты в журнале Nature, хотя в рамках проекта закрыли после осечки в 2013 году. Эксперимент, в котором Google использовал связанные с гриппом поиски, чтобы оценить, сколько людей заболело, переоценил распространенность заболевания, возможно, из-за того, что освещение плохого сезона гриппа в СМИ заставило людей искать термины, связанные с гриппом чаще.
Хотя Твиттер можно использовать для отслеживания самих заболеваний, Салах говорит, что некоторые из проблем, упомянутых Додж, объясняют, почему метаанализ принятия вакцины имеет больше смысла, чем болезни, о которых сообщалось в самих себе.
«Я не уверен, что Twitter является лучшим источником данных для этого, потому что люди делают такие странные заявления о себе, когда им приходится самодиагностировать», - говорит Салате. «На самом деле речь идет не столько об отслеживании самой болезни, сколько о реакции человека на нее».
У GoViral есть еще одно преимущество, объясняет Руми Чунара, профессор информатики и техники Нью-Йоркского университета, который руководит этим проектом. Он основан не на самоотчете, а на лабораторных тестах, которые окончательно оценивают распространение вирусов и сравнивают их с отчетами о симптомах.
«Есть много возможностей, но есть и проблемы, и я думаю, что именно на этом может сосредоточиться большая часть науки», - говорит Чунара. Как это дополняет клинические данные? Как мы уменьшаем шум и применяем информацию? Какие более конкретные области или человеческое поведение мы можем посмотреть?
По ее словам, новые технологии - особенно фитнес-трекеры и другие прямые показатели здоровья - дадут больше, более качественные данные, которые будут менее субъективными.
«Много раз, мы получаем этот гул, это что-то удивительное, здоровье в социальных сетях», говорит она. «Вопрос о том, как это привыкнуть, - это то, на что, я думаю, должно смотреть все сообщество».
