在流感爆发前预测疫情有助于官员采取早期行动，以减少相关的死亡人数，全球每年因流感死亡的人数总计达 29 万至 65 万。在最近的一项研究中，研究人员表示，他们仅使用社交媒体对话的内容，就准确预测了长达两周前的疫情爆发。理论上，这些发现可用于将资源导向最需要的地区。
华盛顿州太平洋西北国家实验室的一个团队从 Twitter 上关于看似与流感无关的主题（如天气或咖啡）的对话中收集了语言线索。基于这些信息，研究人员准确地确定了下一次流感爆发可能发生的时间和地点。
研究人员使用了一种“深度学习”计算机模型，该模型模仿人脑的神经元层和记忆能力。他们的算法分析了特定时期内 Twitter 语言风格、观点和交流行为的变化，以及这些变化与后期流感爆发报告之间的关系。
支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道： 订阅。通过购买订阅，您将帮助确保未来能够继续刊登关于塑造我们当今世界的发现和思想的具有影响力的故事。
“我们使用的深度学习模型的优点在于，它会随着时间的推移考虑情感和语言线索来预测未来，”计算机科学家斯维特拉娜·沃尔科娃说，她是这项研究的负责人，该研究于去年 12 月发表在《PLOS ONE》上。此前通过互联网预测流感爆发的努力——包括使用 Twitter 和维基百科记录的研究以及一个名为 Google Flu Trends 的项目——都专门扫描与流感相关的词语。相比之下，沃尔科娃的工作检查了 1.71 亿条普通推文，其表现优于其他仅基于关键词搜索或表明疫情即将爆发的临床数据的模型。
约翰·霍普金斯大学的计算机科学家马克·德雷泽说：“在特定的局部人群中估计流感疫情，突破了我们认为[通过社交媒体]可以做到的极限，并为新的可能性打开了大门。”他没有参与这项新研究。
美国疾病控制与预防中心的流行病学家马修·比格斯塔夫警告说，在流感预测方面，我们仍处于“早期阶段”。但研究人员越来越多地转向互联网来补充官方数据，因为官方数据仅限于实际病例的一小部分，因为许多感染者不寻求医疗护理。此外，这样一种工具可能有一天有助于识别公共卫生数据完全不可用的地区的流感趋势。