In sozialen Medien lassen sich Warnsignale für neue Krankheitsausbrüche finden. Wie ein KI-Modell Impfskepsis im Netz aufspürt und so wertvolle Zeit für Gegenmaßnahmen verschafft.
Sinkende Impfraten, Falschinformationen und dadurch ein erhöhtes Risiko für Ausbrüche von Infektionserkrankungen, wie z. B. den Masern, beschäftigen aktuell Gesundheitsakteure weltweit. Während ausgerottet geglaubte Krankheiten zurückkehren, suchen Forscher nach neuen Wegen, Ausbruchsgeschehen frühzeitig zu erkennen, um schnellstmöglich handeln zu können. Ein Team der University of Waterloo hat dafür einen innovativen Ansatz entwickelt: Die Forscher analysieren Social-Media-Beiträge, um frühe Anzeichen wachsender Impfskepsis zu entdecken – noch bevor erste Krankheitsfälle auftreten.
Das Team rund um Dr. Chris Bauch, Professor für Angewandte Mathematik, betrachtet dabei die Verbreitung von Impfskepsis wie ein ökologisches System: Missinformation breitet sich in sozialen Netzwerken ähnlich aus wie Viren. Mithilfe von maschinellem Lernen und dem mathematischen Konzept des Kipppunkts versuchen sie zu erkennen, wann das System aus dem Gleichgewicht gerät – ähnlich wie bei einem ökologischen Umbruch oder dem Zusammenbruch der Herdenimmunität.
Um ihr Modell zu testen, haben die Wissenschaftler zehntausende öffentliche Beiträge auf X (ehemals Twitter) aus Kalifornien kurz vor einem massiven Masernausbruch 2014 ausgewertet. Klassische Methoden, bei denen skeptische Tweets einfach gezählt werden, lieferten kaum Vorwarnzeit. Mit dem Kipppunkt-Modell konnte jedoch ein deutlich längerer Vorlauf erzielt und Warnsignale vor einem Ausbruch entdeckt werden. Die Forscher verglichen ihre Analysen mit Regionen, in denen es zur gleichen Zeit keine Ausbrüche gab und konnten die Methode so absichern.
Das Modell lässt sich laut den Forschern problemlos auch auf andere Plattformen wie TikTok oder Instagram übertragen. Allerdings ist die Auswertung von Bildern oder Videos wesentlich rechenintensiver als die reine Textanalyse auf X. „Letztlich möchten wir daraus ein Werkzeug für Gesundheitsbehörden entwickeln, mit dem sie überwachen können, welche Bevölkerungsgruppen einem Kipppunkt besonders nah sind“, sagt Bauch. Angewandte Mathematik soll so helfen, Bedrohungen für das Gesundheitswesen frühzeitig zu erkennen, zu überwachen und zu bekämpfen.
Bildquelle: Getty Images, Unsplash
