Twitter
como una herramienta de salud pública. Esto es lo que trata de demostrar un
equipo de investigadores de la Universidad de Rochester (EE.UU.) que ya el
pasado año mostró la utilidad de Twitter para predecir las probabilidades de
que un tuitero se pusiera enfermo; ahora, el mismo equipo ha analizado el papel
de esta red social para valorar otros parámetros -estado social, exposición a
la contaminación, interacciones personales, etc.- y ver su influencia sobre la
salud pública.
Para
los investigadores, la red social sería una sencilla y barata herramienta para
conocer, por ejemplo, cuantas personas están afectadas de gripe. «Si quieres
saber cuántas personas están enfermas en una determinada población la mejor
forma es hacer una encuesta poblacional; sin embargo, esta vía es cara y no muy
rápida; sin embargo, con Twitter podemos tener estos datos de una forma
sencilla, rápida y barata», asegura Adam Sadilek, de la Universidad de
Rochester. Podemos, explica, observar lo que se dice en la red y utilizar esa
información para hacer predicciones de salud. Además, debido a que muchos
tweets está geolocalizados, conocer con exactitud la localización del usuario.
El
hecho de recopilar toda esta información permite a los investigadores no sólo
saber, en el espacio y en el tiempo, lo que la gente dice en sus tweets, sino
también dónde y cuándo. Así, al seguir a miles de usuarios de Twitter y sus
vidas, se podría estimar las interacciones entre dos usuarios y entre los
usuarios y su entorno.
Salud
Pública
En
un trabajo que se presenta hoy en una conferencia internacional en Roma
(Italia), Sadilek muestra cómo este nuevo modelo contempla muchos de los
factores que afectan la salud y cómo puede complementar los estudios
tradicionales de salud pública.
El
equipo de Sadilek, a partir de los tweets recogidos en la ciudad de Nueva York
durante un mes, analizó factores como la frecuencia con la que una persona toma
el metro, va al gimnasio o un restaurante en particular, a una fuente de
contaminación y su estatus social. En total se valoraron 70 parámetros. A
continuación, analizaron si éstos tenían un impacto positivo, negativo o neutro
en la salud de los usuarios.
Aunque
algunos de sus resultados no se podrían catalogar de sorprendentes -por
ejemplo, las fuentes de contaminación parecen tener un efecto negativo sobre la
salud-, el investigador destaca que ésta es la primera vez que se recoge este
efecto a través de una red social en una población muy amplia.
El
informe también revela que, cualquier actividad que involucre el contacto
humano, se relaciona con un aumento significativo de los riesgos de salud. Por
ejemplo, incluso aquellas personas que acuden regularmente al gimnasio enferman
más a menudo que las menos activas, mientras que las que sólo hablan de ir al
gimnasio, pero en realidad nunca van, tienen una mayor probabilidad de caer
enfermas.
Rastreador
de gérmenes
La
aplicación que Sadilek y Henry Kautz han desarrollado se denomina GermTracker
(rastreador de gérmenes). La aplicación atribuye una serie de códigos de color
a los usuarios (de rojo a verde) en función de su salud obtenidos a través de
sus tweets en 10 ciudades de todo el mundo. Utilizando los datos del GPS, la
aplicación puede colocar a todas estas personas en un mapa.
Según
Sadilek, la aplicación puede servir para tomar decisiones personales sobre la
salud individual. «Por ejemplo, evitar una estación de metro si está llena de
gente enferma». Pero además, sugiere, «podría ser usada, junto a otros métodos,
por gobiernos o autoridades locales para tratar de entender los brotes epidémicos
la gripe».
De
hecho, en plena temporada de gripe en EE.UU., los investigadores ha comprobado
cómo ha aumentado el número de personas con gripe en la red a través del
GermTracker personas -más de 10.000 personas visitaron la web de GermTracker
algunos días de enero-.
Algoritmo
¿Cómo
funciona? Es muy sencillo, explica. «Se basa en el aprendizaje». Diseñaron un
algo algoritmo para distinguir entre mensajes de twitter que sugieren el
usuario está enfermo o no. «Es como enseñar a un bebé a hablar», dijo Sadilek.
En una primera fase generaron 5.000 tweets que habían sido clasificados de
forma manual para que el algoritmo pudiera empezar a distinguir las palabras y
las frases asociada con enfermedad. «Necesitábamos que el algoritmo pudiera
entender que alguien que dice 'estoy enfermo y en la cama' deben caracterizarse
como enfermo, pero otros como 'estoy harto de conducir con este tráfico', no».
Además,
la aplicación mejora el algoritmo. Cada vez que alguien entra en la aplicación
y hace clic en uno de los puntos de colores que representan a los usuarios de
Twitter, puede ver el tweet específico que hizo que se clasificara de una u
otra forma; a continuación la aplicación solicita que el usuario evalúe si la
clasificación es correcta o no. Es decir, el algoritmo se retroalimenta y aprende
de sus errores.
Los
autores han comenzado dos colaboraciones con investigadores del Centro Médico
de la Universidad de Rochester. «El objetivo es vincular las predicciones de
Twitter con los estudios clínicos sobre la gripe » explica Kautz. También están
trabajando con el Departamento de Psiquiatría para aplicar esta técnica con el
fin de controlar y medir los factores que afectan la depresión y otros
trastornos psicológicos.
Ref:
Haz click aquí
No hay comentarios:
Publicar un comentario