[論文レビュー] CovidSens: A Vision on Reliable Social Sensing based Risk Alerting Systems for COVID-19 Spread.

Md Tahmid Rashid, Dong Wang|arXiv (Cornell University)|Apr 9, 2020

Data-Driven Disease Surveillance参考文献 64被引用数 5

ひとこと要約

CovidSensは、ユーザーが生成するソーシャルメディアのコンテンツを活用して、COVID-19のリスク地域を検出・警報する、リアルタイムでエッジ対応のソーシャルセンシングシステムのビジョンを提示する。モバイルデバイスを用いたデバイス内でのデータ処理と分析により、公式報告における誤情報と遅延を是正する。

ABSTRACT

With the spiraling pandemic of the Coronavirus Disease 2019 (COVID-19), it has becoming inherently important to disseminate accurate and timely information about the disease. Due to the ubiquity of Internet connectivity and smart devices, social sensing is emerging as a dynamic AI-driven sensing paradigm to extract real-time observations from online users. In this paper, we propose CovidSens, a vision of social sensing based risk alert systems to spontaneously obtain and analyze social data to infer COVID-19 propagation. CovidSens can actively help to keep the general public informed about the COVID-19 spread and identify risk-prone areas. The CovidSens concept is motivated by three observations: 1) people actively share their experience of COVID-19 via online social media, 2) official warning channels and news agencies are relatively slower than people reporting on social media, and 3) online users are frequently equipped with powerful mobile devices that can perform data processing and analytics. We envision unprecedented opportunities to leverage posts generated by ordinary people to build real-time sensing and analytic system for gathering and circulating COVID-19 propagation data. Specifically, the vision of CovidSens attempts to answer the questions: How to distill reliable information on COVID-19 with prevailing rumors and misinformation? How to inform the general public about the state of the spread timely and effectively? How to leverage the computational power on edge devices to construct fully integrated edge-based social sensing platforms? In this vision paper, we discuss the roles of CovidSens and identify potential challenges in developing reliable social sensing based risk alert systems. We envision that approaches originating from multiple disciplines can be effective in addressing the challenges. Finally, we outline a few research directions for future work in CovidSens.

研究の動機と目的

• 一般からのリアルタイムなソーシャルメディアの更新を活用することで、公式のCOVID-19報告における遅延と不正確さを是正すること。
• 信頼性の高い情報抽出技術の開発により、公衆の健康データにおける誤情報や噂の拡散を抑制すること。
• スマートフォンなどのエッジデバイスの計算能力を活用して、分散型でプライバシーを守るソーシャルセンシングデータ分析を可能にすること。
• 参加者からの共有データに基づいて高リスク地域を特定する、スケーラブルで動的な警報システムを構築すること。
• AI、ネットワーキング、ヒューマンコンピュータインタラクションの分野を統合し、強固で信頼性のあるソーシャルセンシングプラットフォームを構築すること。

提案手法

• ユーザーが生成するソーシャルメディアのコンテンツを、新規のCOVID-19トレンドやホットスポットを検出するリアルタイムなデータストリームとして活用する。
• AI駆動の自然言語処理とセンチメント分析を用いて、非形式的でノイズの多いソーシャルメディア投稿から信頼性の高い健康関連の信号を抽出する。
• エッジコンピューティングを活用してデバイス内でのデータ処理を実施し、データ送信を減らすことで遅延を低減し、プライバシーを強化する。
• 複数のデータソースと検証メカニズムを統合して、誤検出や誤情報のフィルタリングを実現する。
• 中央集権的なデータ収集に依存せずに、モバイルデバイスがリスク推定に貢献する分散型アーキテクチャを設計する。
• 異常検知と時系列パターン分析を適用し、症状関連または症例関連の言及が急増するのを早期の警戒信号として特定する。

実験結果

リサーチクエスチョン

• RQ1 どのようにすれば、誤情報や噂をフィルタリングしながら、COVID-19の拡散に関する正確な情報をソーシャルメディアデータから信頼性を持って抽出できるか？
• RQ2 エッジデバイスは、参加者からの健康データのリアルタイムでプライバシーを守る分析をどのように可能にするか？
• RQ3 パンデミックの際、ソーシャルセンシングシステムは、従来の公式報告チャnelよりもどれほど迅速かつ的確に対応できるか？
• RQ4 スケーラブルで信頼性のあるソーシャルセンシングプラットフォームを構築するにあたり、生じる技術的および倫理的課題は何か？
• RQ5 多分野の統合的取り組みをどのように組み合わせることで、こうしたシステムの強固さと信頼性を保証できるか？

主な発見

• ソーシャルメディアプラットフォームは、公式データより数時間前倒しで、COVID-19の症状や症例に関するリアルタイムの公衆レポートを生成しており、アウトブレイクの早期検出を可能にする。
• モバイルデバイスでのエッジベース処理は、中央集権的なデータパイプラインと比較して、著しく遅延を低減し、データのプライバシーを向上させることができる。
• AI駆動のフィルタリング技術により、非形式的なユーザー投稿からのノイズや誤情報と、信頼できる健康信号を区別できる。
• ソーシャルセンシングと公式報告チャnelの統合により、状況認識の向上と公衆衛生対応の調整が強化される。
• CovidSensのビジョンは、実際の展開における技術的・倫理的・運用的課題に対処するための多分野連携の必要性を浮き彫りにする。
• 提案されたシステムは、パンデミック状況における動的リスク警報に、分散型でユーザー中心のデータソースを活用する可能性を示している。