Слежка во благо: ваша история поиска и твиты могут предсказать вспышку болезни

Мы так не любим, когда за нами следят поисковые алгоритмы, однако эта их функция может быть куда полезнее подбора рекламы.
Слежка во благо: ваша история поиска и твиты могут предсказать вспышку болезни
Unsplash

Удивительно, но ключом к прогнозам могут стать отзывы на популярные товары и запросы на заказ доставки куриного супа

Ароматические свечи начали получать приток негативных отзывов в интернете в 2020 году. Недовольные клиенты заявили, что некоторые из самых ароматных, самых популярных продуктов от известных компаний «не пахнут» или даже пахнут плохо. И это были не единицы плохих отзывов. Самые популярные ароматические свечи, продаваемые на Amazon, получали в среднем от 4 до 4,5 звезд до 2020 года, но в течение первого года пандемии их оценка упала на целую звезду.

РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ

Пользователи социальных сетей размышляли о связи между этими негативными отзывами и потерей обоняния, связанной с COVID-19. Когда случаи заболевания COVID-19 снова выросли в конце 2021 года из-за варианта Омикрон, исследователи отметили еще один всплеск этих негативных отзывов.

Как предсказать вспышку болезни по поведению пользователей

Эти негативные онлайн-обзоры — это то, что ведущий автор новой работы Маурисио Сантильяна называет «хлебными крошками». Поскольку люди ориентируются в цифровом мире, они оставляют в нем следы того, что происходит в их реальной жизни. Эти «хлебные крошки» оставляют след для таких исследователей, как Сантильяна, поскольку они прогнозируют потенциальные будущие вспышки COVID-19 и других заболеваний.

РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ

Если есть аномалии в онлайн-поведении пользователей — например, всплеск запросов в Google магазинов, которые доставляют куриный суп с лапшой, внезапный шквал твитов о том, что человек сел на карантин или плохие отзывы о ароматических свечах — все это может помочь понять, когда и где случится вспышка заболевания, а также насколько она будет серьезной.

Автор новой работы, используя эти подсказки, смог создать систему раннего предупреждения о вспышках болезней на основе машинного обучения. Разработанные до этого модели используют такие детали, как количество случаев заболевания, госпитализаций, смертей, модели мобильности человека, того, как часто люди взаимодействуют, как передается вирус, и другие данные о распространении болезни. Но автор новой работы смог усовершенствовать их, добавив анализ цифровых следов человеческого поведения.

Даже поисковые запросы Google и сообщения в социальных сетях, попавшие в публичный доступ, используются алгоритмом для проведения анализа. Люди могут гуглить информацию о своих симптомах или рекомендациях по соблюдению карантина, или они могут просто пытаться выяснить, где купить сироп от кашля или суп.