Twitter como fuente para detectar epidemias de gripe y otras enfermadades. La idea no es nueva, pero investigadores de la Universidad de Rochester (Nueva York) han ido ahora un paso más allá para detectar no solo donde se localizan, sino también sus posibles causas, algo que permite predecir mejor su evolución. Analizando miles de tuits, han sido capaces de establecer relaciones entre la gente enferma y sus hábitos de vida. ¿Han cogido el metro? ¿En qué estaciones? ¿Han ido al gimnasio? ¿Han cenado en un restaurante concreto? Con esa información han desarrollado incluso una aplicación web para seguir en tiempo real la evolución de las epidemias.

La aplicación se llama GermTracker y se puede ver en la web del proyecto. De momento solo han mapeado algunas ciudades, como Nueva York o Londres, pero el experimento es una muestra de las enormes posibilidades que ofrece Twitter para detectar en tiempo real el lugar y las causas de una epidemia de gripe, por ejemplo. 

Advertisement

Los investigadores analizaron miles de tuits durante un mes de gente residente en Nueva York que aseguró sentirse enferma. A la vez, miraron factores relacionados con sus hábitos de vida, como la frecuencia con la que cogían el metro, en qué estaciones, cada cuánto iban al gimnasio, los restaurantes que visitaban, si vivían cerca o no de fuentes de contaminación... Todo en base a tuits públicos y geolocalizados.

Algunos de los resultados son curiosos. Por ejemplo, la gente que va al gimnasio con frecuencia tiene una probabilidad marginal mayor de enfermar que los que van poco, por el contacto entre personas y la posibilidad de coger virus respiratorios. Pero los que nunca van al gimnasio (comprobado por sus mensajes geolocalizados), enferman con mucha más frecuencia que los que sí van.  

Advertisement

Según el creador de la aplicación, Adam Sadilek, la gente puede utilizar la aplicación para tomar decisiones sobre su salud. Por ejemplo, quizás mejor evitar una determinada estación de metro si está llena de gente que asegura en Twitter sentirse mal, o no ir a un determinado restaurante en el que muchos han estado y han caído enfermos. 

El software desarrollado por Sadilek y sus colegas se basa en un algoritmo que distingue y clasifica tuits y hace predicciones a 8 días vistas en base a ello. "Es como enseñarle a un niño pequeño. Necesitas que el algoritmo sepa distinguir entre alguien que tuitea "Estoy enfermo y he estado en cama todo el día" y "me pone malo tener que conducir con este tráfico". Parece lo mismo, pero no lo es. Debajo, Sadilek explica en vídeo el proyecto. [University Rochester vía Phys.org]