[論文レビュー] Epidemic Intelligence for the Crowd, by the Crowd (Full Version)

Ernesto Diaz-Aviles, Avaré Stewart+3 more|arXiv (Cornell University)|Mar 6, 2012

Data-Driven Disease Surveillance参考文献 19被引用数 7

ひとこと要約

本稿では、突然の疾患流行時に効果的に関連するツイートを優先順位付けするため、潜在的意味的トピック（LDA）とソーシャルハッシュタグ行動を活用する、パーソナライズドな学習-ランク手法PTR4EIを提案する。実際の検証では、Twitterが非季節的流行の早期警戒を可能にした。MedISysのような既存システムよりも1日早く2011年のEHEC/HUS流行を検出できた。また、公衆衛生当局が文脈に即した順序でツイートを提示されたリストを入手でき、流行の分析を効率的に行えるようになった。

ABSTRACT

Tracking Twitter for public health has shown great potential. However, most recent work has been focused on correlating Twitter messages to influenza rates, a disease that exhibits a marked seasonal pattern. In the presence of sudden outbreaks, how can social media streams be used to strengthen surveillance capacity? In May 2011, Germany reported an outbreak of Enterohemorrhagic Escherichia coli (EHEC). It was one of the largest described outbreaks of EHEC/HUS worldwide and the largest in Germany. In this work, we study the crowd's behavior in Twitter during the outbreak. In particular, we report how tracking Twitter helped to detect key user messages that triggered signal detection alarms before MedISys and other well established early warning systems. We also introduce a personalized learning to rank approach that exploits the relationships discovered by: (i) latent semantic topics computed using Latent Dirichlet Allocation (LDA), and (ii) observing the social tagging behavior in Twitter, to rank tweets for epidemic intelligence. Our results provide the grounds for new public health research based on social media.

研究の動機と目的

• 突然の非季節的疾患流行において、従来の公衆衛生監視システムの遅延した早期警戒の課題に対処すること。
• 特にTwitterを含むソーシャルメディアが、従来の流行予防情報メカニズムのリアルタイム補完としての可能性を探ること。
• 流行時における膨大な量のソーシャルメディアデータを効率的に分析できるように、パーソナライズドな順序付けアプローチを開発すること。
• 潜在的トピック（LDAを用いて）とソーシャルタグ行動を活用し、ユーザーの文脈を豊かにすることで、流行予防情報における関連性を向上させること。

提案手法

• 2011年のEHEC/HUS流行期に、Twitter APIを介して収集したリアルタイムのTwitterデータに、標準的なバイオ監視アルゴリズム（例：PELT、C-PELT）を適用した。
• ツイート本文から潜在的意味的トピックを抽出するために、ラティント・ディリクレ・アロケーション（LDA）を採用し、キーワードを超えたテーマ的文脈を捉えた。
• 特にハッシュタグの使用を、ユーザーの関心やコミュニティレベルの議論傾向を示す信号として統合した。
• LDAトピック、ハッシュタグパターン、およびTwitter固有の特徴（例：ユーザーの権威、リツイート頻度）を組み合わせたパーソナライズドな学習-ランクモデル（PTR4EI）を構築した。
• 公衆衛生専門家による関連性フィードバックを用いてモデルを学習し、流行調査やリスク評価に最も関連性の高いツイートを優先順位づけた。
• nDCG（正規化済み割引累積利得）などの指標を用いてモデルの性能を評価し、ベースライン手法に比べて優れた順序付け効果を示した。

実験結果

リサーチクエスチョン

• RQ1 Twitterデータのみで、MedISysのような既存システムよりも前もって流行の早期警戒信号を発信できるか？
• RQ2 潜在的意味的トピック（LDA）とソーシャルハッシュタグ行動を活用することで、公衆衛生意思決定におけるツイートの関連性はどの程度向上するか？
• RQ3 パーソナライズドな学習-ランクアプローチは、大規模な流行イベントにおける情報過多を効果的に軽減し、文脈的に関連性の高いツイートを優先順位づけられるか？
• RQ4 非季節的で急激な流行において、Twitterベースの早期警戒は従来の監視システムに比べてどの程度優れているか？
• RQ5 ソーシャルメディアのストリームは、複雑な流行の原因や感染拡大のメカニズムに関する行動可能なインサイトを提供できるか？

主な発見

• 標準的なバイオ監視手法をTwitterデータに適用した結果、すべてが2011年5月20日に警報を発動した。これはMedISysシステムが警報を発動した1日前であり、早期警戒の可能性を示した。
• PTR4EIパーソナライズド順序付けモデルは、nDCGの観点からベースライン手法を顕著に上回り、公衆衛生専門家にとって関連性の高い上位ツイートが得られることを示した。
• LDAによって抽出された潜在的トピックは、症状、食品源、健康懸念といった、流行に関連する主要なテーマを捉えており、ツイートの文脈的理解を豊かにした。
• ハッシュタグ行動（例：#EHEC、#Durchfall）は、一般の関心やコミュニティレベルの議論を強く示す指標となり、モデルの関連コンテンツ同定能力を強化した。
• 公衆衛生当局が文脈に即した優先順位付きツイートリストを入手することで、情報過多を効果的に軽減し、流行分析の効率性が向上した。
• 本研究は、ドイツのようなツイート密度が低い国でも、Twitterが流行予防情報の実用的でリアルタイムのデータソースとして機能可能であることを確認した。