בשנת 2015, התפרצות גבוהה של חצבת אצל דיסנילנד זעזעה את ההורים לשינוי מהותי בפרספקטיבה על החיסונים. בשנים שקדמו לכך, הצורך הנתפס בחיסון MMR צנח ואיתו אחוז הילדים שהוגנו מפני חצבת. לאחר שמאות אנשים חלו, מה שהניע את ההורים לחסן, השיעורים עלו שוב.
אולי צריך להיות ברור שדילוג על חיסונים יוביל לילדים חולים יותר, אבל רוב ההורים האמריקאים בימינו מעולם לא היו צריכים לדאוג לחצבת. יש אינטראקציה דינאמית בין הסיכון הנתפס למחלות לבין הסיכון הנתפס לחיסונים, מסביר כריס באוך. פרופסור למתמטיקה יישומית באוניברסיטת ווטרלו, באוך בדק את מגמות המדיה החברתית לפני ואחרי פרוץ דיסנילנד, והבחין כי מבחינה סטטיסטית הוא יכול לעקוב אחר הרגש הציבורי כלפי חיסונים ולראות את הסיכון למחלות מוגבר לפני שזה קרה. הוא ומשתפי הפעולה שלו פרסמו את העבודה ב"הליך ההמשך של האקדמיה הלאומית למדעים " בנובמבר.
"לכל אחד יש אינטואיציה כלשהי למטרת נקודות ממסורים. אם יש לך משקל רב יותר בצד אחד מהצד השני, זה מושפל על הצד הכבד יותר. אבל כשאתה מוסיף יותר ויותר משקל לצד היריב, בסופו של דבר זה ייפול ", הוא אומר. "נקודות ההפצה הללו מציגות אותות אופייניים לפני שהן מתרחשות ... השאלה היא האם נוכל לחפש את נוכחותה של נקודת הפצה המובילה לירידה גדולה בספיגת החיסון, כמו הפחדת חיסון?"
פחדי חיסון הם רק דוגמא אחת. אפידמיולוגים, מדעני מחשבים ואנשי מקצוע בתחום הבריאות מיישמים כעת למידה ממוחשבת על נתונים ממקורות חדשים - במיוחד מדיות חברתיות - כדי ליצור מודלים חזויים הדומים לשל CDC, אך הרבה יותר מהירים. ציוצים על כאבי גרון או ביקורי רופא, גוגל מחפש תרופות קרות ואפילו Fitbit או Apple Watch שלך יכולים כולם לתת רמזים למגמות הבריאות באזור, אם הם מתאימים לנתוני מיקום. ואנשים עוקבים אחריו ומעלים אותו.
"פתאום יש לנו גישה לחלק מהנתונים", אומר מרסל סלאטה, ראש המעבדה לאפידמיולוגיה דיגיטלית במכון ה- EPFL בשוויץ. "זו בעיניי באמת התמונה הגדולה יותר של מה שקורה כאן, כי במידה זו שינוי עמוק של זרימת הנתונים של האפידמיולוגיה המסורתית."
עבור באוך וסלאטה ששיתפו פעולה במחקר, טוויטר היה המקור העיקרי לנתונים. הם בנו בוט כדי לחפש ציוצים שמזכירים חיסונים ולהעריך את רגשותם של אותם ציוצים - בין אם הם מצביעים על הסכמה או ספק של חיסונים. לאחר מכן, הם ראו את התוצאות כמערכת מורכבת עם לולאת משוב, מיישמת מודל מתמטי כדי לראות אם היא תחזה בדיעבד את האטת החיסון שהובילה להתפרצות דיסנילנד. זה היה.
במערכות כאלו מתרחשים אותות מדידים מסוימים כאשר המערכת מתקרבת לנקודת הפתיחה. במקרה זה, החוקרים ראו "האטה קריטית", בה האטיות בתחושת החיסונים לאט לחזור לשגרה לאחר שמאמר חדשות או ציוץ של ידוען השפיעו עליו. היכולת לראות את ההובלה הזו לנקודת ההפצה פירושה שלפי נתוני מיקום, רשויות בריאות הציבור יכולות לבנות קמפיינים שממוקדים לאזורים שנמצאים בסיכון מוגבר להפחתת חיסונים, ובכך להתפרצות.
ישנם חסמים לשימוש בנתונים הזמינים באופן ציבורי ממקורות מדיה חברתית, כמובן, כולל פרטיות, למרות שהחוקרים המשתמשים בנתוני טוויטר מציינים שזה סוג של הנחה שאם אתה ציוץ על בריאותך, מישהו עשוי לקרוא את זה. זה יכול להיות מאתגר לבנות תוכנות מחשב כדי לנתח את המידע הכלול, מציין גרהאם דודג ', מייסד-שותף ומנכ"ל חברת Sickweather, שירות מבוסס אפליקציות שמייצר תחזיות בריאות ומפות חיות של דוחות מחלה.
דודג 'ומעצבי הקהילה שלו שיתפו פעולה עם חוקרים מג'ונס הופקינס כדי לנתח מיליארדי ציוצים המזכירים מחלות. התהליך כלל הפרדת דוחות מכוונים ומוכשרים ("יש לי שפעת") מהערות מעורפלות יותר ("אני מרגיש חולה") ואפילו ניסוחים מטעים ("יש לי קדחת ביבר"). הם גם נאלצו לפצות על נתוני מיקום נעדרים או לא מדויקים - כל משתמשי הטוויטר שפשוט מסמנים את "סיאטל" כמיקום שלהם, למשל, נופלים למיקוד קטן במרכז העיר סיאטל, במקום להתפשט ברחבי העיר.
Sickweather הושק בשנת 2013 עם אפליקציה סלולרית המאפשרת למשתמשים לדווח על מחלות ישירות ל- Sickweather, כמו גם להציג תנאים במיקומם. חוקרים קליניים וחברות תרופות משתמשים במודל החיזוי של האפליקציה כדי לחזות את שיא המחלות מספר שבועות לפני ה- CDC, אך ברמת דיוק דומה.
"ברגע שזה בידי מיליוני אנשים, במקום 270, 000, איך זה משחק בקנה מידה יכול באמת לסכל את התפשטות המחלה במקומות רבים, " אומר דודג '.
פרויקטים אחרים ניסו גישות שונות. שפעת בקרבתך לוכדת תסמינים על ידי סקר שדווח על ידי עצמו, GoViral שלחה ערכה לניתוח עצמי של ריר ורוק, ו- Google Flu Trends מינופה את נתוני החברה כדי לעקוב אחר השפעת, ופרסמה את תוצאותיה ב- Nature, אם כי הפרויקט. הושבת לאחר אי-תקלה בשנת 2013. הניסוי, בו גוגל השתמשה בחיפושים הקשורים בשפעת כדי להעריך כמה אנשים חולים, העריך יתר על המידה את שכיחות המחלה, אולי מכיוון שסיקור תקשורתי בעונת שפעת גרמה לאנשים לחפש במונחים הקשורים לשפעת לעתים קרובות יותר.
אמנם ניתן להשתמש בטוויטר כדי לעקוב אחר המחלות עצמן, אך סלטה אומר שחלק מהאתגרים שהזכיר דודג 'מסבירים מדוע המטה-אנליזה של קבלת החיסון הגיונית יותר ממחלות שדיווחו על עצמן.
"אני לא בטוח שטוויטר הוא מקור הנתונים הטוב ביותר לזה, מכיוון שאנשים מפרסמים הצהרות כל כך מוזרות על עצמם כאשר הם צריכים לאבחן את עצמם", אומר סאלת '. "זה לא כל כך עוסק במעקב אחר המחלה עצמה, אלא במעקב אחר התגובה האנושית לה."
ל- GoViral יש יתרון נוסף, מסבירה רומי צ'ונארה, הפרופסור למדעי המחשב והנדסה של ניו יורק שמנהל את הפרויקט. זה לא מסתמך על דיווח עצמי, אלא על בדיקות מעבדה המעריכות באופן סופי את התפשטות הנגיפים ומשווים אותם לדוחות סימפטומים.
"יש המון הזדמנויות, אבל יש גם אתגרים, ואני חושב שכאן ניתן יהיה למקד הרבה מהמדע, " אומר צ'ונארה. כיצד זה משלים נתונים קליניים? כיצד אנו מפחיתים רעש ומיישמים את המידע? על אילו תחומים ספציפיים יותר או על התנהגות אנושית אנו יכולים להסתכל?
טכנולוגיות חדשות יותר - במיוחד עוקבי כושר ומדדים ישירים אחרים לבריאות - יעניקו נתונים טובים יותר, פחות פחות סובייקטיביים, היא אומרת.
"הרבה פעמים אנחנו מקבלים את הבאז הזה, זה משהו מדהים, בריאות מדיה חברתית, " היא אומרת. "השאלה אם זה מתרגל זה משהו שלדעתי שכל הקהילה צריכה להסתכל אליו."
