Gépi tanulás és Lyme-kór

Október végén nagyon érdekes tanulmány jelent meg a BMC Medical Informatics and Decision Making című folyóiratban. A kutatók a Twitteren közzétett önbevallásos tweeteket elemezték annak érdekében, hogy megjósolják a potenciális Lyme-kóros eseteket, és pontosan felmérjék az incidencia arányokat az Egyesült Államokban.

A tanulmány három szakaszban készült:

1. Körülbelül 1,3 millió tweetet gyűjtöttek össze és dolgoztak fel, hogy kivonják a legrelevánsabb Lyme-kórra vonatkozó tweeteket földrajzi helymeghatározással. A tweetek egy részhalmazát pontos kulcsszavak segítségével félautomatikusan a Lyme-kór szempontjából relevánsnak vagy irrelevánsnak jelölték, a fennmaradó részt pedig kézzel jelölték, így egy 77 500 tweetet tartalmazó, kurátori címkézett adathalmaz jött létre.
2. Ezt a feldolgozott és elemzett adathalmazt használták az NLP szóbeágyazási módszerek és a kiemelkedő ML osztályozási modellek - többek között a TF-IDF és a logisztikus regresszió, a Word2vec és az XGboost, valamint a BERTweet - különböző kombinációinak betanítására, validálására és tesztelésére a potenciális Lyme-kóros tweetek azonosítására.
3. Végül az Egyesült Államokban egy 10 éves időszak alatt vizsgálták a tér-és időbeli minták jelenlétét.

Az előzetes eredmények azt mutatták, hogy megoldásuk, a BERTweet, felülmúlta az összes tesztelt NLP-osztályozót a Lyme-kóros tweetek azonosítása terén, a legmagasabb osztályozási pontosságot elérve. Az is következetes mintázatot mutatott, hogy az USA nyugati és északkeleti régióiban idővel magasabb volt a tweet-ek aránya.

A vizsgálatból több kulcsfontosságú megállapítás is kiderült. Először is, meglehetősen erős korreláció van a besorolt tweet-számok és a Lyme-kór számok között, mindkettő hasonló tendenciákat követ. Másodszor, 2015-ben és 2016 elején a Twitterhez hasonló közösségi médiahálózat alapvető fontosságú volt a Lyme-kórral kapcsolatos lakossági tudatosság növelésében. Harmadszor, a magas megbetegedési aránnyal rendelkező megyék nem feltétlenül kapcsolódtak magas tweet-aránnyal, és fordítva. Negyedszer, a BERTweet megbízható NLP-osztályozóként használható a releváns Lyme-kóros tweetek felderítésére.

A tanulmány ide kattintva érhető el.

Forrás: BMC Medical Informatics and Decision Making