芬兰研究人员通过ins预测流感利用社交媒体衡量人口健康趋势

土兄

12 月 1 号消息，本周二，一篇名为 "Predicting the flu from Instagram" ( 通过 Instagram 预测流感 ) 的论文在康奈尔大学 arXiv 服务器上发布，作者是来自芬兰坦佩尔大学医学院的 Oguzhan Gencoglu 和软件服务公司 Tieto，Ltd 的 Miikka Ermes。


芬兰的 AI 研究人员利用公共健康数据严格收集了这个国家的 500 万居民，在 Instagram 上比对 " 流感 " 标签，以及人们提出流感药物的图像，发帖与记录的流感爆发有显着的统计相关性，预测流感爆发的历史公共卫生数据。这是利用社交媒体衡量人口和健康趋势的一系列尝试中的最新举措。
作者提出他们的论点是 " 首项在社交媒体中使用图像来预测流感流行病的研究 "，但他们也列出了关于社交媒体的其他研究，例如关于抑郁症指标的 Instagram 帖子研究和烟草使用。
对于很多人关注的隐私问题，他们称只使用公开发布过的，基于 python 的网络爬虫程序收集数据，并且爬虫只记录了发布日期和主题标签，以及单个图像 URL，它没有记录用户名，也没有存储任何图像。
从 2012 年 4 月到 2018 年 5 月，调查人员在 Instagram 上收集了六年的帖子，超过 22,000 份，收集芬兰语中有关疾病的标签，例如芬兰语 "flunssa"，意思是流感，或 "lihaskipu"，意思是肌肉酸痛。对 Gencoglu 和 Miikka 这项研究来说，重要的是他们能够将搜索限制在 " 单一语言和国家 "，以便能够将帖子与单个国家的健康数据进行比较。


Gencoglu 和 Miikka 通过将帖子中的标签参考数量，与芬兰国家健康与福利研究所记录的官方流感发病率相关联，归类了 9 种不同的神经网络模型。他们对五年的数据进行了统计，然后用第六年的 Instagram 数据和健康数据来测试模型。


论文称，最好的临近预报模型的平均绝对误差为每周 11.33 次事故，测试数据的相关系数为 0.963。用于预测 1 周和 2 周的预测模型显示出统计显着性，同时达到相关系数分别为 0.903 和 0.862。这项研究表明社交媒体，特别是数字照片的公开分享，可以成为流行病学领域的宝贵信息来源。


这种社交媒体搜索的一个重要问题是，如何通过媒体本身来改变统计数据。作者指出谷歌 2013 年 " 谷歌流感 " 搜索趋势失败，因为 " 媒体对谷歌工作的高度关注 " 歪曲了搜索活动。因此，他们得出结论，在未来的工作中，将每周帖子数量 " 标准化 " 与人口中每周 Instagram 帖子的总数相比，通过考虑平台的受欢迎程度来提高预测性能。
论文链接地址