همه‌گیری کووید-۱۹، بحرانی جهانی را رقم زد که نیازمند پاسخ‌های سریع و کارآمد در حوزه‌های مختلف، از جمله بهداشت عمومی بود. در این میان، رسانه‌های اجتماعی به عنوان بستری برای تبادل اطلاعات، تجربیات و نظرات مرتبط با این بیماری، نقش مهمی ایفا کردند. حجم عظیم داده‌های تولید شده در این رسانه‌ها، فرصتی منحصربه‌فرد برای پایش روند بیماری، شناسایی الگوهای شیوع و درک بهتر علائم و عوارض آن فراهم آورد. با این حال، استخراج و تحلیل این داده‌ها به صورت دستی، بسیار زمان‌بر و دشوار است. از این رو، استفاده از روش‌های هوش مصنوعی و پردازش زبان طبیعی (NLP) برای خودکارسازی این فرآیند، اهمیت ویژه‌ای پیدا می‌کند.

مقاله حاضر، با عنوان “پایش کووید-۱۹ در رسانه‌های اجتماعی با بهره‌گیری از رویکردی نوین برای تریاژ و تشخیص”، توسط Abul Hasan، Mark Levene، David Weston، Renate Fromson، Nicolas Koslover و Tamara Levene به رشته تحریر درآمده است. این محققان، با تخصص در زمینه‌های پردازش زبان طبیعی، یادگیری ماشین و بهداشت عمومی، به دنبال ارائه یک راه‌حل جامع برای پایش خودکار اطلاعات مرتبط با کووید-۱۹ در رسانه‌های اجتماعی هستند. زمینه تحقیق آن‌ها، در حوزه محاسبات و زبان قرار می‌گیرد و هدف آن، استفاده از تکنیک‌های NLP برای استخراج دانش ارزشمند از داده‌های متنی است.

هدف اصلی این مطالعه، توسعه یک خط لوله پردازش زبان طبیعی (NLP) جامع برای تریاژ و تشخیص کووید-۱۹ بر اساس پست‌های منتشر شده توسط بیماران در رسانه‌های اجتماعی است. این خط لوله، به محققان و فعالان حوزه بهداشت عمومی کمک می‌کند تا اطلاعات بیشتری در مورد علائم، شدت و شیوع بیماری به دست آورند. لازم به ذکر است که هدف از این مطالعه، ارائه یک تصمیم قطعی در سطح فردی نیست، بلکه ارائه اطلاعات تکمیلی برای تحلیل‌های کلان است.

این خط لوله، ابتدا علائم کووید-۱۹ و مفاهیم مرتبط مانند شدت، مدت، نفی و اعضای بدن را با استفاده از فیلدهای تصادفی شرطی (CRF) از پست‌های بیماران استخراج می‌کند. سپس، یک الگوریتم مبتنی بر قانون غیرنظارتی برای ایجاد روابط بین مفاهیم در مرحله بعدی خط لوله به کار می‌رود. مفاهیم و روابط استخراج شده، متعاقباً برای ساخت دو نمایش برداری مختلف از هر پست استفاده می‌شوند. این بردارها به طور جداگانه برای ساخت مدل‌های ماشین بردار پشتیبان (SVM) به منظور تریاژ بیماران به سه دسته و تشخیص کووید-۱۹ در آن‌ها استفاده می‌شوند.

روش‌شناسی این تحقیق شامل چندین مرحله کلیدی است:

• جمع‌آوری داده‌ها: جمع‌آوری پست‌های رسانه‌های اجتماعی مرتبط با کووید-۱۹. این داده‌ها می‌توانند از پلتفرم‌های مختلف مانند توییتر، فیس‌بوک و ردیت جمع‌آوری شوند.
• پیش‌پردازش متن: انجام مراحلی مانند حذف کلمات توقف، نرمال‌سازی متن و ریشه‌یابی کلمات برای آماده‌سازی داده‌ها برای تحلیل.
• استخراج مفاهیم: استفاده از فیلدهای تصادفی شرطی (CRF) برای استخراج علائم و مفاهیم مرتبط با کووید-۱۹ از متن. به عنوان مثال، شناسایی کلماتی مانند “تب”، “سرفه”، “تنگی نفس” و “خستگی” به عنوان علائم بیماری.
• ایجاد روابط بین مفاهیم: استفاده از یک الگوریتم مبتنی بر قانون غیرنظارتی برای ایجاد روابط بین مفاهیم استخراج شده. به عنوان مثال، شناسایی اینکه “تب شدید” مربوط به “کووید-۱۹” است.
• تبدیل متن به بردار: تبدیل متن به نمایش‌های عددی (برداری) که برای یادگیری ماشین قابل استفاده باشند.
• ساخت مدل‌های یادگیری ماشین: استفاده از ماشین بردار پشتیبان (SVM) برای تریاژ و تشخیص کووید-۱۹.
• ارزیابی مدل‌ها: ارزیابی عملکرد مدل‌ها با استفاده از معیارهایی مانند دقت، بازیابی و نمره F1.

مثال عملی: فرض کنید یک پست در رسانه اجتماعی به این صورت است: “دو روزه تب دارم و خیلی خسته‌ام، حس بویایی‌ام رو هم از دست دادم. فکر کنم کرونا گرفتم.” این خط لوله، ابتدا علائم “تب”، “خستگی” و “از دست دادن حس بویایی” را استخراج می‌کند. سپس، با استفاده از الگوریتم مبتنی بر قانون، ارتباط بین این علائم و احتمال ابتلا به کووید-۱۹ را تشخیص می‌دهد. در نهایت، این اطلاعات برای تریاژ و تشخیص بیماری استفاده می‌شود.

این تحقیق نشان می‌دهد که مدل‌های یادگیری ماشین مبتنی بر NLP می‌توانند با دقت قابل قبولی برای تریاژ و تشخیص کووید-۱۹ از پست‌های رسانه‌های اجتماعی استفاده شوند. نتایج نشان می‌دهد که نمرات F1 ماکرو و میکرو در محدوده ۷۱-۹۶٪ و ۶۱-۸۷٪ به ترتیب برای تریاژ و تشخیص کووید-۱۹ به دست آمده است، زمانی که مدل‌ها بر روی داده‌های برچسب‌گذاری شده توسط انسان آموزش داده می‌شوند. نکته قابل توجه این است که عملکرد مشابهی را می‌توان با آموزش مدل‌ها با استفاده از برچسب‌های پیش‌بینی شده از طبقه‌بندی‌کننده‌های استخراج مفهوم و مبتنی بر قانون، به دست آورد، که منجر به یادگیری ماشین انتها به انتها می‌شود.

علاوه بر این، این مطالعه ویژگی‌های مهمی را که توسط مدل‌های یادگیری ماشین تشخیصی شناسایی شده‌اند، برجسته می‌کند و آن‌ها را با شایع‌ترین علائم موجود در مجموعه داده دیگری از کووید-۱۹ مقایسه می‌کند. جالب اینجاست که ویژگی‌های مهم همواره شایع‌ترین آن‌ها نیستند. به عنوان مثال، ممکن است یک علامت نادر اما خاص، نقش مهم‌تری در تشخیص بیماری داشته باشد تا یک علامت شایع اما غیراختصاصی.

نتایج این تحقیق، کاربردهای متعددی در زمینه‌های مختلف دارد:

• پایش بهداشت عمومی: شناسایی الگوهای شیوع بیماری، رصد علائم جدید و ارزیابی اثربخشی مداخلات بهداشتی.
• تریاژ بیماران: اولویت‌بندی بیماران برای دریافت خدمات درمانی بر اساس شدت علائم و احتمال ابتلا به بیماری.
• تشخیص زودهنگام: شناسایی افراد در معرض خطر و ارائه خدمات تشخیصی و درمانی به موقع.
• بهبود درک از بیماری: شناسایی علائم و عوارض جدید بیماری و درک بهتر تجربیات بیماران.

یکی از مهم‌ترین دستاوردهای این تحقیق، ارائه یک خط لوله NLP جامع و قابل استفاده برای پایش کووید-۱۹ در رسانه‌های اجتماعی است. این خط لوله، می‌تواند به عنوان یک ابزار قدرتمند برای محققان و فعالان حوزه بهداشت عمومی مورد استفاده قرار گیرد.

مقاله حاضر، یک گام مهم در جهت استفاده از هوش مصنوعی و پردازش زبان طبیعی برای پایش و مدیریت بیماری‌های همه‌گیر است. این تحقیق نشان می‌دهد که می‌توان با استفاده از تحلیل داده‌های رسانه‌های اجتماعی، اطلاعات ارزشمندی در مورد علائم، شدت و شیوع بیماری‌ها به دست آورد. با این حال، لازم است توجه داشت که این روش‌ها، جایگزینی برای روش‌های سنتی پایش بهداشت عمومی نیستند، بلکه به عنوان یک ابزار تکمیلی می‌توانند به بهبود تصمیم‌گیری‌ها و ارائه خدمات بهتر به بیماران کمک کنند. تحقیقات آینده می‌تواند بر روی بهبود دقت مدل‌ها، گسترش دامنه کاربرد آن‌ها به سایر بیماری‌ها و توسعه روش‌های جدید برای مقابله با چالش‌های اخلاقی و حریم خصوصی مرتبط با استفاده از داده‌های رسانه‌های اجتماعی تمرکز کند.