Kartlegger sykdom med Twitter

Man regner med at det eksisterer over 500 millioner brukere av Facebook, og over 175 millioner brukere av Twitter verden over. Her deler mennesker alt fra meninger til daglige observasjoner, til noens glede og andres store frustrasjon. Nå har forskere ved Universitetet i Rochester i New York funnet ut at man kan bruke sosiale medier til helt andre ting – nemlig spore og kartlegge spredning av sykdom, skriver Daily Mail.

Adam Sadilek og hans gruppe med forskere har ved hjelp av Twitter og «heatmap» klart å se spredningen av influensa i New York City. Forskerne analyserte over 4,4 millioner GPS-merkede tweets fra rundt 600.000 brukere i storbyen i løpet av en måned i 2010. De lagde en kunstig intelligens som ved hjelp av spesifikke algoritmer klarte å luke ut tweets fra mennesker som ikke var ordentlig syke og som bare benyttet seg av ordet «syk» i sine tweets, til å finne de som virkelig hadde fått influensa.

Ifølge Sadilek er nøkkelen til sporing vennskap:

– Gitt at tre av vennene dine har influensalignende symptomer, og at du nylig har møtt åtte personer, muligens fremmede, som alle har klaget over å ha rennende neser og hodepine, hva er sannsynligheten for at du også snart vil bli syk?, spør forskeren ifølge Daily Mail.

– Våre modeller gjør det mulig å se spredningen av forskjellige smittsomme sykdommer, som influensa, i en levende befolkning på bakgrunn av observasjoner av sosiale medier.

Kalkulerer smitterisiko

Alle tweetene forskerne registrerte ble så lagt inn på et kart som kalkulerte sjansene for at en bestemt twitterbruker var i faresonen for å bli syk.

Sadilek forklarer at ettersom størsteparten av alle tweets er geografisk spesifisert, så kan de legges inn på et kart og så observere interaksjonen mellom friske og syke mennesker. Modellen beregner så dersom og når en person vil bli syk med meget stor nøyaktighet. Dette kan så brukes for å forstå globale epidemier gjennom menneskers dag-til-dag-interaksjon med hverandre.

Kartene viste dermed spredningen og rammede områder. Jo mer rødt området var, jo flere syke var det i dette området. De avanserte algoritmene viste seg å ha en treffsikkerhet på 90 prosent, og viste ikke bare brukernes og deres venners sykdomstilstand, men også fremmede personer i samme område.

I upublisert forskning som ble fortalt til magasinet New Science, kunne teamet også avsløre at deres forskning viste at mennesker som regelmessig drar på treningsstudio er mindre syke. Gruppen kom også fram til at mennesker med lav sosioøkonomisk status hadde en større risiko for å bli smittet.

Denne saken ble første gang publisert 02/08 2012.