![[personal profile]](https://www.dreamwidth.org/img/silk/identity/user.png){kind=small}
bogdan_63Сотрудники Рочестерского университета (Нью-Йорк) разработали основанную на сообщениях в твиттере компьютерную модель распространения инфекционных заболеваний, в первую очередь гриппа, в мегаполисе, представляющую информацию в режиме реального времени, сообщает The New Scientist. Авторы утверждают, что их разработка позволяет давать индивидуальный прогноз заболеваемости за восемь дней до появления симптомов.
Модель была представлена на проходящей в Торонто Конференции по искусственному интеллекту и действует по аналогии с сервисом Google Flu Trends, который использует сводные данные о поисковых запросах Google, связанных с гриппом, для оценки текущей активности вирусов гриппа по всему миру.
Эдам Сэдилек (Adam Sadilek) и его коллеги попробовали сделать такой сервис более индивидуализированным. Они разработали специальное программное обеспечение, позволяющее анализировать текстовую информацию и различать твиты людей, сообщающих о симптомах заболевания и твиты, в которых просто использованы аналогичные слова, но в переносном значении. Было проанализировано 4,4 миллиона сообщений от 630 тысяч находившихся в Нью-Йорке пользователей за один из месяцев 2010 года. При этом учитывалась их географическая привязка к местности.
Вся информация сводилась в интерактивную карту, в режиме реального времени отражающую концентрацию больных гриппом в различных точках городской среды. По замыслу авторов, в дальнейшем такую карту в виде мобильного приложения к смартфону сможет получать на свой телефон каждый желающий и система будет предупреждать владельца о степени риска заражения при входе в различные публичные места, а также присылать сообщения, предупреждающие о высокой вероятности заболевания в следующие несколько дней.
Авторы утверждают, что точность такого прогноза достигает 90 процентов, а продолжительность инкубационного периода - восемь дней.
В то же время лидер группы разработчиков, Эдем Сэдилек, признал, что у предложенной модели есть много недостатков. В частности, далеко не все заболевшие сообщают об этом в твиттере. Кроме того, контакт с больным отнюдь не стопроцентно означает заболевание. Подверженность инфекции очень индивидуальна и зависит от многих превходящих обстоятельств, таких как уровень иммунитета, социально-экономический статус и так далее.
Модель была представлена на проходящей в Торонто Конференции по искусственному интеллекту и действует по аналогии с сервисом Google Flu Trends, который использует сводные данные о поисковых запросах Google, связанных с гриппом, для оценки текущей активности вирусов гриппа по всему миру.
Эдам Сэдилек (Adam Sadilek) и его коллеги попробовали сделать такой сервис более индивидуализированным. Они разработали специальное программное обеспечение, позволяющее анализировать текстовую информацию и различать твиты людей, сообщающих о симптомах заболевания и твиты, в которых просто использованы аналогичные слова, но в переносном значении. Было проанализировано 4,4 миллиона сообщений от 630 тысяч находившихся в Нью-Йорке пользователей за один из месяцев 2010 года. При этом учитывалась их географическая привязка к местности.
Вся информация сводилась в интерактивную карту, в режиме реального времени отражающую концентрацию больных гриппом в различных точках городской среды. По замыслу авторов, в дальнейшем такую карту в виде мобильного приложения к смартфону сможет получать на свой телефон каждый желающий и система будет предупреждать владельца о степени риска заражения при входе в различные публичные места, а также присылать сообщения, предупреждающие о высокой вероятности заболевания в следующие несколько дней.
Авторы утверждают, что точность такого прогноза достигает 90 процентов, а продолжительность инкубационного периода - восемь дней.
В то же время лидер группы разработчиков, Эдем Сэдилек, признал, что у предложенной модели есть много недостатков. В частности, далеко не все заболевшие сообщают об этом в твиттере. Кроме того, контакт с больным отнюдь не стопроцентно означает заболевание. Подверженность инфекции очень индивидуальна и зависит от многих превходящих обстоятельств, таких как уровень иммунитета, социально-экономический статус и так далее.
