مقدار واکسیناسیون در تعداد بسیاری از جوامع به علت گسترش اطلاعات نادرست رو به افت است و بیماری‌هایی همانند سرخک که پیشتر ریشه‌کن شده یا کنترل‌شده بودند، در سراسر آمریکا و کانادا رو به افزایش می باشند.

به نقل از میراژ نیوز، پژوهشگران «دانشگاه واترلو»(UWaterloo) در کانادا روش جدیدی را اراعه داده‌اند که می‌تواند به مقامات بهداشت عمومی در پیش‌بینی محل وقوع شیوع بیماری پشتیبانی کند. این روش با تحلیل پست‌های منتشرشده در رسانه‌های اجتماعی، نشانه‌های اولیه افزایش تردید را درمورد واکسن شناسایی می‌کند. این یک سیگنال هشداردهنده است که می‌تواند پیش از اغاز شیوع هر بیماری ظاهر شود.

دکتر «کریس باوخ»(Chris Bauch)، استاد دانشگاه واترلو او گفت: در طبیعت، ما سیستم‌های مسری همانند بیماری‌ها را داریم. ما تصمیم گرفتیم به پویایی اجتماعی همانند یک سیستم اکولوژیکی نگاه کنیم و بازدید کردیم که چطور اطلاعات نادرست می‌توانند از طریق یک شبکه رسانه اجتماعی به طور مسری از کاربری به کاربر دیگر منتقل شوند.

این گروه پژوهشی یک مدل یادگیری ماشینی را بر پایه مفهوم ریاضی نقطه اوج -لحظه‌ای که یک سیستم یک دفعه به حالت جدیدی تحول می‌کند- آموزش دادند. باوخ او گفت: فرقی نمی‌کند که بدن یک فرد مبتلا به صرع را بازدید کنید یا یک سیستم اکولوژیکی همانند دریاچه‌ اشغال‌شده توسط جلبک‌ها یا از دست دادن ایمنی جمعی در یک جمعیت. از نظر ریاضی، یک مکانیسم اساسی مشترک وجود دارد.

پژوهشگران برای آزمایش مدل خود، ده‌ها هزار پست عمومی منتشرشده در پلتفرم ایکس از کالیفرنیا را درست پیش از شیوع گسترده سرخک در سال ۲۰۱۴ تحلیل کردند. راه حلهای سنتی همانند شمارش ساده توییت‌های شکاکانه پیش از شیوع، هشدار زیاد مقداری را نشان می‌دادند.

باوخ او گفت: راه حلهای معمول پیش‌بینی شیوع بیماری با انجام دادن تحلیل آماری توییت‌های شکاکانه، زمان بسیاری را پیش از شیوع بیماری اراعه نمی‌دهند. ما با منفعت گیری از نظریه ریاضی نقاط اوج توانستیم زمان زیاد بیشتری را به دست بیاوریم و الگوهای حاضر در داده‌ها را زیاد مؤثرتر تشخیص دهیم.

پژوهشگران با قیاس الگوهای ارسال پست در کالیفرنیا با مناطق فرد دیگر در همان زمان که هیچ شیوعی در آنها رخ نداده می بود، دقت روش نقطه اوج را قبول کردند.

اگرچه این مدل در ابتدا روی ایکس آزمایش شد اما می‌توان آن را به راحتی با پلتفرم‌هایی همانند «تیک‌تاک» یا «اینستاگرام» نیز تطبیق داد. با وجود این، در قیاس با فرمت عمدتاً مبتنی بر متن پلتفرم ایکس، برای تحلیل تصاویر و ویدئوهای این دو پلتفرم به منبع های محاسباتی بیشتری نیاز خواهد داشت.

باوخ او گفت: ما در نهایت می‌خواهیم این مدل را به روشی برای مقامات بهداشت عمومی تبدیل کنیم تا بر جمعیت‌هایی که در معرض بیشترین خطر برای رسیدن به نقطه اوج می باشند، نظارت کنند. ریاضیات کاربردی می‌تواند روش قدرتمندی برای پیش‌بینی، نظارت و رسیدگی به تهدیدات سلامت عمومی باشد.