Dove esiste l’esitazione vaccinale? I ricercatori di intelligenza artificiale possono prevedere a livello di codice postale, in tempo reale
Il nuovo software può superare i dati dei sondaggi locali e nazionali nella misurazione dell’opinione pubblica.
Il termine “esitazione sui vaccini” si è quasi legato a ogni conversazione relativa al COVID-19, alle sue ultime varianti e alle notizie in evoluzione sugli sviluppi dei vaccini. È quasi difficile immaginare un giorno in cui tali argomenti non si insinuano nelle conversazioni casuali del pranzo e nei nostri pensieri ad occhi aperti.
Con l’emersione infinita di nuove varianti, il fenomeno dell’esitazione sui vaccini sta diventando sempre più potente e presente all’interno delle comunità degli Stati Uniti, ma prima che i funzionari della sanità pubblica possano comprendere e coinvolgere queste comunità, devono prima risolvere un problema iniziale: come individuare in modo efficiente dove le grandi comunità degli individui che esitano al vaccino risiedono in primo luogo.
In un nuovo articolo pubblicato su PLOS Digital Health , i ricercatori della USC Viterbi School of Engineering hanno proposto un software di elaborazione del linguaggio naturale (NLP) che apprende dove vive lo scetticismo che circonda i vaccini in tempo reale.
Mayank Kejriwal, assistente professore di ricerca in ingegneria industriale e dei sistemi e capo del team di ricerca presso l’Information Sciences Institute (ISI) dell’USC, è stato ispirato dagli attuali deficit nella previsione dell’esitazione del vaccino. Il software apporta miglioramenti alle strategie della PNL, inclusi gli algoritmi di incorporamento delle parole che rilevano le parole chiave relative ai vaccini. Questi progressi rendono la raccolta dei dati sull’esitazione del vaccino a livello di codice postale notevolmente più semplice, veloce e accurata.
Utilizzando i dati di Twitter disponibili pubblicamente e gli algoritmi della macchina già esistenti per elaborarli, il sistema dello studio supera i dati dei sondaggi locali e nazionali nel suo intento di riflettere le opinioni pubbliche sul vaccino COVID-19.
Non tutti i dati sono creati uguali
Sara Melotte, studentessa del master in informatica presso la USC Viterbi School of Engineering e assistente di ricerca presso l’ISI, ha commentato le metriche dello studio per acquisire tali dati e come promuove l’obiettivo di fare tali previsioni a livello di comunità.
“Mostriamo che solo il tweet di testo e gli hashtag sono sufficienti per prevedere l’esitazione del vaccino a livello di codice postale con ragionevole precisione, anche se i tweet non sono tutti correlati alla pandemia di COVID-19”, ha affermato Melotte.
Elimina anche la possibilità di pregiudizi intrinsecamente legati ai sondaggi, una conseguenza inevitabile che emerge quando le persone sanno che le loro informazioni personali vengono raccolte. In effetti, l’algoritmo raccoglie gli hashtag senza la necessità aggiuntiva di informazioni personali o la deterrenza delle persone che esprimono le loro opinioni sincere.
“Storicamente, molte cose dipendono dai sondaggi. Quando vedi i numeri dei sondaggi, quelli vengono raccolti dai sondaggi, che sono costosi “, ha affermato Kejriwal. Non solo il costo diventa un limite, ma il fattore della tempestività e delle opinioni in continua evoluzione complica ulteriormente la questione dell’acquisizione di dati accurati e aggiornati.
“Quello che in genere finisce per accadere è che dobbiamo aspettare che il sondaggio esca e, a quel punto, saresti già troppo tardi”, ha affermato Kejriwal. “Ma abbiamo dimostrato che puoi utilizzare i dati di Twitter disponibili pubblicamente ed eliminarli utilizzando un programma” e ottenere risultati in tempo reale.
Guidato da intuizioni reali, il modello utilizza anche dati esterni come fonti, come il numero di ospedali o istituti scientifici in un quartiere. “Indaghiamo fino a che punto l’uso di questi insiemi indipendenti di funzionalità aiuta a migliorare il modello”, ha affermato Kejriwal.
Tuttavia, uno degli avvertimenti della raccolta di tali dati include normative statali e cittadine variabili che limitano la disponibilità di informazioni pubbliche. Tuttavia, lo studio fornisce metodi e dati affidabili per prevedere l’esitazione del vaccino nelle città metropolitane – aree Twitter a traffico intenso – che possono essere replicati e confermati utilizzando dati di sondaggi indipendenti.
Uno strumento per i decisori politici
Lo studio fornisce alle comunità locali, agli esperti di salute pubblica e ai responsabili politici una fonte supplementare per rilevare e indirizzare le riserve sui vaccini. Uno strumento per mettere in atto politiche vantaggiose per le comunità che ne hanno più bisogno, prima che sia troppo tardi.
“Forniamo un sistema di allerta precoce”, ha continuato Melotte.
Storicamente, le politiche federali spesso trascurano le sfumature delle composizioni e dei retroscena storici di ciascuna comunità. Ciò ha portato alla sfiducia nei confronti delle istituzioni federali e delle politiche che ne derivano. Kejriwal ha sottolineato l’importanza di utilizzare i metodi dello studio per contribuire a ripristinare tale fiducia in un modo dal basso verso l’alto guidato dalla comunità.
“Possiamo aiutare le comunità nella progettazione di politiche locali e nel prendere le proprie decisioni che favoriscano la fiducia”, ha affermato Kejriwal. L’illuminante riluttanza al vaccino evidenzia la necessità di ripensare gli approcci attuali e ampi alle politiche sui vaccini. Questo tentativo di affrontare la situazione da una prospettiva rinnovata supporta la creazione di soluzioni più organiche che soddisferanno le esigenze di ciascuna comunità.
Se l’incertezza sui vaccini fluttua in intensità e codice postale, le politiche e le risorse possono rivalutare e modificare in modo appropriato gli approcci alla somministrazione e alla comunicazione dei vaccini.
“Per qualsiasi crisi di salute pubblica, ci saranno sempre segnali nei social media”, ha affermato Kejriwal. “Questo [studio] è un’opportunità perché è un record vivente e può fornirci un progetto per ottenere segnali in qualsiasi crisi di salute pubblica”.
