Rastúca nedôvera k očkovaniu na sociálnych sieťach môže slúžiť ako včasný signál hroziacej zdravotnej krízy. Vyplýva to z nového výskumu University of Waterloo, podľa ktorého sa v online diskusiách dajú zachytiť prvé náznaky oslabovania kolektívnej imunity ešte predtým, než sa choroba začne v populácii znateľne šíriť.
Dezinformácie ako nákazlivý jav
Vedci sledovali, ako sa na platformách typu X šíria dezinformácie o očkovaní a ako vplývajú na ochotu ľudí dať sa zaočkovať. V mnohých komunitách v dôsledku falošných tvrdení klesá zaočkovanosť, čo opäť otvára priestor pre choroby, ktoré boli dlho pod kontrolou. Typickým príkladom sú osýpky, ktoré sa v posledných rokoch vracajú práve tam, kde podiel zaočkovaných klesol pod bezpečnú hranicu.
Profesor aplikovanej matematiky Chris Bauch vysvetlil, že jeho tím sa na správanie používateľov sociálnych sietí pozeral podobne ako na ekologický systém. V prírode sú podľa neho bežné procesy, ktoré sa šíria nákazlivo, napríklad choroby či premnoženie rias v jazerách. Výskumníci sa preto sústredili na to, ako sa po sieti prenáša nedôvera k vakcínam od používateľa k používateľovi.
Zlomový bod a strojové učenie
Tím vyvinul metódu založenú na matematickom pojme zlomového bodu, teda okamihu, keď sa systém náhle preklopí do iného stavu. Podľa Baucha majú takéto skokové zmeny spoločný mechanizmus bez ohľadu na to, či ide o epileptický záchvat, prerastenie jazera riasami alebo stratu kolektívnej imunity v populácii. Práve tento koncept aplikovali na dáta zo sociálnych sietí.
Výskumníci natrénovali algoritmy strojového učenia tak, aby v príspevkoch rozpoznávali signály blížiaceho sa zlomového bodu. Metóda nehodnotí len počet skeptických komentárov k vakcínam, ale skúma aj zmeny vo vzorcoch správania používateľov a v dynamike diskusií. Vďaka tomu dokáže zachytiť rastúci skepticizmus ešte skôr, ako sa premietne do reálneho nárastu prípadov ochorenia.
Kalifornia pred epidémiou osýpok
Na overenie prístupu vedci analyzovali desaťtisíce verejných príspevkov na platforme X od používateľov v Kalifornii. Zamerali sa na obdobie tesne pred veľkou epidémiou osýpok v roku 2014. Tradičné prístupy, ktoré pracujú so samotným počtom skeptických tweetov, poskytli len veľmi krátky časový predstih pred vypuknutím nákazy a neumožnili včasnú reakciu zdravotných úradov.
Bauch uviedol, že bežné štatistické metódy pri takomto predpovedaní zlyhávajú. Prístup založený na teórii zlomových bodov však priniesol výrazne dlhší predstih, pretože zachytil jemnejšie zmeny vo vzorcoch aktivít na sieti. Tím zároveň porovnal správanie používateľov v Kalifornii s podobnými regiónmi, kde sa v tom istom období žiadne väčšie epidémie neobjavili, a tým si potvrdil správnosť svojho modelu.
Od textu k videám a praxi
Metóda bola najprv otestovaná na textových dátach z platformy X, no podľa výskumníkov ju možno prispôsobiť aj na siete, kde dominujú obrázky a videá, napríklad TikTok či Instagram. Analýza takéhoto obsahu by si však vyžadovala podstatne väčší výpočtový výkon, keďže spracovanie obrazu a videa je technicky náročnejšie než analýza textu.
Neprehliadnite
Výskum je súčasťou snahy University of Waterloo podporovať rozhodovanie založené na dôkazoch a posilňovať dôveru verejnosti vo vedu v rámci siete Societal Futures a iniciatívy TRuST. Na projekte spolupracujú odborníci z rôznych oblastí, od filozofie cez informatiku až po etiku a komunikáciu. Cieľom je vytvoriť nástroj, ktorý umožní verejným zdravotným inštitúciám včas sledovať komunity s najvyšším rizikom preklopenia do epidemického stavu. Podľa Baucha môže práve aplikovaná matematika poskytnúť silný kvantitatívny základ na predvídanie, monitorovanie a riešenie hrozieb pre verejné zdravie.
