Spadek wyszczepialności w wielu krajach, napędzany masową dezinformacją, doprowadził do powrotu chorób wcześniej niemal wyeliminowanych, takich jak odra. Wzrost sceptycyzmu wobec szczepień stał się poważnym zagrożeniem dla zdrowia publicznego, a tradycyjne narzędzia epidemiologiczne coraz częściej nie nadążają za dynamicznymi zmianami w środowisku informacyjnym.
Naukowcy z Uniwersytetu Waterloo opracowali innowacyjny model, który analizuje treści publikowane w mediach społecznościowych, aby przewidzieć potencjalne ogniska chorób – zanim jakiekolwiek objawy pojawią się w populacji. To podejście łączy zaawansowaną matematykę, uczenie maszynowe i epidemiologię, tworząc narzędzie, które może radykalnie zmienić sposób monitorowania ryzyka zdrowotnego.
Z tego artykułu dowiesz się…
- Jak działa nowy model Uniwersytetu Waterloo i w jaki sposób analiza postów w mediach społecznościowych pozwala przewidywać wybuchy chorób.
- Dlaczego dezinformacja o szczepieniach rozprzestrzenia się w sposób „zakaźny” i jak wpływa na odporność populacyjną.
- Jak matematyczna teoria punktów krytycznych umożliwia wykrycie wczesnych sygnałów ostrzegawczych, zanim pojawią się przypadki choroby.
- W jaki sposób technologia może wspierać urzędników zdrowia publicznego i zapobiegać epidemiom takim jak odra w 2014 roku.
Dezinformacja jako zjawisko „zakaźne”
Zespół badawczy potraktował dynamikę rozprzestrzeniania się dezinformacji jak proces analogiczny do szerzenia się chorób w populacji. Jak wyjaśnia dr Chris Bauch:
W naturze istnieją systemy zaraźliwe, takie jak choroby. Postanowiliśmy przyjrzeć się dynamice społecznej jako systemowi ekologicznemu i zbadać, jak dezinformacja może rozprzestrzeniać się zaraźliwie od użytkownika do użytkownika za pośrednictwem sieci społecznościowej.
To podejście pozwoliło spojrzeć na sceptycyzm wobec szczepień nie jako na odizolowane opinie, lecz jako na zjawisko o własnej dynamice i potencjale do tworzenia punktów krytycznych.
Punkt krytyczny – narzędzie matematyczne do przewidywania zagrożeń
Nowy model opiera się na matematycznej teorii „punktów krytycznych”, czyli momentów, w których system przechodzi w nagle nowy, destabilizujący stan. Dr Bauch tłumaczy:
Nie ma znaczenia, czy patrzymy na ciało człowieka w ataku padaczkowym, czy na system ekologiczny, taki jak jezioro zarośnięte glonami, czy na utratę odporności stadnej w populacji. Z matematycznego punktu widzenia istnieje wspólny mechanizm.
Uczenie maszynowe pozwoliło modelowi rozpoznawać subtelne zmiany w narracjach publikowanych w mediach społecznościowych – zmiany, które poprzedzają nagły wzrost sceptycyzmu prowadzący do spadku odporności populacyjnej.
Analiza postów z platformy X przed epidemią odry w 2014 roku
Aby przetestować model, naukowcy przeanalizowali dziesiątki tysięcy publicznych postów na platformie X (dawniej Twitter) publikowanych w Kalifornii tuż przed epidemią odry w 2014 r. Tradycyjne metody, takie jak liczenie tweetów o negatywnym tonie wobec szczepień, okazały się niewystarczające. Bauch podkreśla:
Zwykłe metody przewidywania epidemii poprzez analizę statystyczną sceptycznych tweetów nie dają dużego wyprzedzenia czasowego przed wystąpieniem epidemii.
Nowy model działał zdecydowanie precyzyjniej:
Wykorzystując matematyczną teorię punktów krytycznych, udało nam się uzyskać znacznie dłuższy czas wyprzedzenia i znacznie skuteczniej wykrywać wzorce w danych.
Co istotne, skuteczność zweryfikowano przez porównanie analizowanych wzorców z regionami, w których nie wystąpiły ogniska choroby.
Możliwość zastosowania na platformach TikTok i Instagram
Chociaż model testowano głównie na danych tekstowych z platformy X, twórcy podkreślają, że metoda może zostać zaadaptowana do analizowania treści wizualnych – zdjęć i filmów – publikowanych na TikToku czy Instagramie.
Takie rozszerzenie wymaga jednak większych zasobów obliczeniowych i bardziej zaawansowanego przetwarzania danych, co wynika z multimedialnego charakteru tych platform.
Technologia a zaufanie do nauki – rola inicjatywy TRuST
Badania przeprowadzono w ramach inicjatyw Uniwersytetu Waterloo – sieci Societal Futures oraz projektu TRuST, który zrzesza filozofów, informatyków, etyków i ekspertów ds. komunikacji. Ich celem jest odbudowa zaufania publicznego do nauki i stworzenie systemów wspierających decyzje oparte na dowodach.
Podejście to podkreśla, że walka z dezinformacją musi być wielowymiarowa – obejmować technologię, naukę społeczną i edukację.
Wizja przyszłości: narzędzie dla zdrowia publicznego
Zespół badawczy planuje przekształcić model w praktyczne narzędzie do monitorowania ryzyka w czasie rzeczywistym. Jak podkreśla Bauch:
Docelowo chcielibyśmy przekształcić to w narzędzie dla urzędników zdrowia publicznego, pozwalające monitorować, które populacje są najbardziej narażone na wystąpienie punktu krytycznego.
Zwraca również uwagę na potencjał matematyki:
Matematyka stosowana może być potężnym narzędziem ilościowym, pomocnym w przewidywaniu, monitorowaniu i reagowaniu na zagrożenia dla zdrowia publicznego.
Taki system mógłby pozwolić na wczesne podejmowanie działań interwencyjnych – zanim dojdzie do realnego wybuchu choroby.
Główne wnioski
- Model z Uniwersytetu Waterloo skutecznie przewiduje zagrożenia poprzez analizę wzorców publikacji w mediach społecznościowych, oferując dłuższe wyprzedzenie niż tradycyjne metody.
- Dezinformacja działa jak zjawisko epidemiologiczne – rozprzestrzenia się w sieci społecznościowej w sposób podobny do chorób, prowadząc do spadku wyszczepialności i powrotu takich chorób jak odra.
- Teoria punktów krytycznych pozwoliła badaczom wychwycić subtelne zmiany poprzedzające epidemię odry w 2014 r., co nie było możliwe metodami opartymi jedynie na liczeniu sceptycznych tweetów.
- Model może stać się narzędziem dla zdrowia publicznego, wspierając monitorowanie populacji narażonych na utratę odporności stadnej i umożliwiając wczesną interwencję.
Źródło:
- University of Waterloo
- https://aimspress.com/article/doi/10.3934/mbe.2025101
