[논문 리뷰] Understanding COVID-19 News Coverage using Medical NLP

Ali Emre Varol, Veysel Kocaman외 2명|arXiv (Cornell University)|2022. 03. 19.

Misinformation and Its Impacts인용 수 5

한 줄 요약

이 연구는 스파크 NLP 헬스케어에서 제공하는 의료 NLP 모델을 사용하여 2020–2021년 동안 CNN과 더 가디언에서 발표한 36,000건이 넘는 코로나19 뉴스 기사들을 분석하여 증상, 약물, 백신, 부작용과 같은 의료 실체를 추출하고 상관관계를 분석한다. 연구 결과, 초기 유행에 대한 우려에서 백신 개발로의 매체의 주제 변화가 드러났으며, 특정 백신(예: 아스트라제네카, J&J)과 혈전 형성 이상 간의 강력한 매체 보도 연관성이 확인되어 백신 접종을 꺼리는 경향을 유도한 것으로 분석된다.

ABSTRACT

Being a global pandemic, the COVID-19 outbreak received global media attention. In this study, we analyze news publications from CNN and The Guardian - two of the world's most influential media organizations. The dataset includes more than 36,000 articles, analyzed using the clinical and biomedical Natural Language Processing (NLP) models from the Spark NLP for Healthcare library, which enables a deeper analysis of medical concepts than previously achieved. The analysis covers key entities and phrases, observed biases, and change over time in news coverage by correlating mined medical symptoms, procedures, drugs, and guidance with commonly mentioned demographic and occupational groups. Another analysis is of extracted Adverse Drug Events about drug and vaccine manufacturers, which when reported by major news outlets has an impact on vaccine hesitancy.

연구 동기 및 목표

• 고급 의료 NLP를 활용해 CNN과 더 가디언과 같은 주요 뉴스 매체가 변화하는 코로나19 팬데믹을 어떻게 보도했는지 이해하는 것.
• 비정형 뉴스 텍스트에서 증상, 약물, 백신, 부작용과 같은 고정밀 의료 실체를 추출하고 상관관계를 분석하는 것.
• 매체 보도의 사망자 및 환자 수와 WHO 공식 데이터 간의 일치 정도를 평가하는 것.
• 특정 제조사와 관련된 보고된 부작용 약물 사건을 식별함으로써 매체 보도가 백신 안전성에 대한 대중 인식을 어떻게 형성했는지 조사하는 것.
• 임상 NLP를 활용해 뉴스 미디어에서 부작용을 자동으로 추출하는 확장 가능한 자동화 파이프라인을 개발하는 것.

제안 방법

• 스파크 NLP 헬스케어를 사용해 미세조정된 NLP 파이프라인을 적용하여, 명시적 실체 인식, 진술 상태 감지, 관계 추출에 사용되는 400개 이상의 사전 훈련된 생물의학 모델을 활용한다.
• 문장 분할, 토큰화, 맥락적 임bedding, 실체 해결을 포함한 통합 파이프라인을 통해 36,354건의 뉴스 기사 처리를 수행한다.
• explain_clinical_doc_ade 파이프라인을 사용해 부작용 약물 및 백신 사건을 탐지하며, 약물/백신과 보고된 반응 간의 관계 추출 및 문서 분류를 수행한다.
• 국가별 뉴스 보도를 타임라인으로 정리하여 시간적 분석을 수행하고, 매체 보도를 감염자 수 및 공중보건 주요 사례와 연관지어 분석한다.
• 의료 실체를 텍스트에 언급된 연령대, 직업군, 국가와 연결하여 인구통계학적 및 지리적 분석을 수행한다.
• 데이터셋 내 라이브 블로그와 핵심 사건 간의 정확한 비교를 위해 중복되는 핵심 순간을 제외한다.

실험 결과

연구 질문

• RQ1 매체 보도에서 증상, 치료법, 백신과 같은 의료 실체 측면에서 코로나19 보도가 시간이 지남에 따라 어떻게 변화했는가?
• RQ2 매체 보도의 사망자 및 환자 수가 공식 WHO 통계와 얼마나 일치하는가?
• RQ3 의료 실체와 관련해 언급된 빈도가 가장 높은 인구통계학적 및 직업군은 무엇인가?
• RQ4 부작용 약물 및 백신 사건은 어떻게 보도되었으며, 특정 백신과 부작용 간의 상관관계는 무엇이었는가?
• RQ5 부작용 보도가 대중의 인식이나 백신 접종 회피에 얼마나 영향을 미쳤는가?

주요 결과

• 2020년 가장 빈번한 의료 실체는 'coronavirus'와 'reported'였고, 2021년에는 'COVID-19 vaccine'이 'coronavirus'를 앞서며 매체의 주목이 백신 접종으로 이동했음을 시사한다.
• 매체 보도의 사망자 및 환자 수는 WHO 공식 데이터와 강한 일치를 보이며, NLP로 추출된 추세의 신뢰성을 입증한다.
• 의료진, 특히 의사와 간호사가 가장 자주 언급된 인구통계학적 집단이었고, 그 다음으로 연구원, 근로자, 교사, 정부 관료가 뒤이었다.
• 아스트라제네카 및 존슨앤드존슨 백신과 혈전 형성 이상 간 강력한 매체 보도 연관성이 확인되었으며, 이는 실제 세계에서 이 백신의 일시 정지 조치와 일치한다.
• _pfizer-biontech와 모더나 백신은 뉴스 보도에서 일반적인 알레르기 반응과 가장 자주 연관되었으며, 임상 보고와 일치한다.
• 분석에서 일반 백신 용어(예: 'COVID-19 vaccine')를 제거함으로써 히트맵 시각화에서 제조사별 부작용 연관성의 명확성이 향상되었다.