211service.com
Hoe Wikipedia-gegevens een revolutie teweegbrengen in het voorspellen van griep
Vorig jaar rond deze tijd lanceerden de Centers for Disease Control and Prevention in Atlanta een wedstrijd om de beste manier te vinden om de kenmerken van het griepseizoen 2013-2014 te voorspellen met behulp van gegevens die van internet zijn verzameld. Vandaag onthullen Kyle Hickmann van Los Alamos National Laboratories in New Mexico en een paar vrienden de resultaten van hun model dat realtime gegevens van Wikipedia gebruikte om de grondwaarheidsgegevens te voorspellen die door de CDC zijn verzameld en die ongeveer twee weken later aan de oppervlakte komen.
Ze zeggen dat hun model het potentieel heeft om griepvoorspellingen te transformeren van een zwarte kunst naar een moderne wetenschap die even goed gefundeerd is als weersvoorspellingen.
Griep kost elk jaar tussen de 3.000 en 49.000 levens in de VS, dus een nauwkeurige voorspelling kan een aanzienlijke impact hebben op de manier waarop de samenleving zich voorbereidt op de epidemie. De huidige manier om griepuitbraken te monitoren is enigszins verouderd. Het is gebaseerd op een vrijwillig systeem waarin volksgezondheidsfunctionarissen het percentage patiënten rapporteren dat ze elke week zien met griepachtige ziekten. Dit wordt gedefinieerd als het percentage mensen met een temperatuur hoger dan 100 graden, hoesten en geen andere verklaring dan griep.
Deze cijfers geven een idee van de incidentie van griep op elk moment, maar de nauwkeurigheid is duidelijk beperkt. Ze tellen bijvoorbeeld niet mee voor mensen met griep die geen behandeling zoeken of mensen met griepachtige symptomen die wel behandeling zoeken maar geen griep hebben.
Er is nog een belangrijk probleem. Het netwerk dat deze gegevens rapporteert, is relatief traag. Het duurt ongeveer twee weken voordat de cijfers door het systeem zijn gefilterd, dus de gegevens zijn altijd weken oud.
Daarom is de CDC geïnteresseerd in het vinden van nieuwe manieren om de verspreiding van griep in realtime te volgen. Met name Google heeft het aantal zoekopdrachten naar griep en griepachtige symptomen gebruikt om griep in verschillende delen van de wereld te voorspellen. Die aanpak heeft veel succes gehad, maar ook enkele raadselachtige mislukkingen. Een probleem is echter dat Google zijn gegevens niet vrij beschikbaar stelt en dit gebrek aan transparantie is een potentiële bron van problemen voor dit soort onderzoek.
Dus Hickmann en co hebben zich tot Wikipedia gewend. Hun idee is dat de variatie in het aantal mensen dat toegang heeft tot artikelen over griep een indicator is voor de verspreiding van de ziekte. En aangezien Wikipedia deze gegevens vrij beschikbaar stelt aan elke geïnteresseerde, is het een volledig transparante bron die waarschijnlijk in de nabije toekomst beschikbaar zal zijn.
Hickman en co gebruiken de griepartikelgegevens van eerdere jaren om een machine learning-algoritme te trainen om het verband te ontdekken met de griepachtige ziektecijfers die door de CDC zijn verzameld. Vervolgens gebruikten ze het algoritme om de griepniveaus in realtime te voorspellen tijdens het griepseizoen van vorig jaar.
De resultaten zijn een goede voorspeller van de grondwaarheidsgegevens die de CDC twee weken later beschikbaar stelt. De toegangslogboeken van Wikipedia-artikelen blijken sterk gecorreleerd te zijn met historische gegevens over griepachtige ziekten en maken een nauwkeurige voorspelling van gegevens over griepachtige ziekten mogelijk, enkele weken voordat deze beschikbaar komen, aldus Hickmann en co.
Er is echter een voorbehoud. Een probleem is dat de voorspellingen de omvang van de staart van het griepseizoen aanzienlijk onderschatten. Dat komt waarschijnlijk omdat mensen de neiging hebben om niet terug te keren naar de griepartikelen van Wikipedia als ze opnieuw zijn geïnfecteerd met een andere griep, die laat in het seizoen een belangrijke bron van de ziekte is. Omdat ons model geen rekening houdt met herinfectie of meerdere griepstammen, wordt de staart van de epidemie niet goed voorspeld nadat de piek van het griepseizoen voorbij is, geven ze toe.
Desalniettemin is het werk een belangrijke stap in de richting van een voorspellingssysteem dat net zo gedetailleerd en gefundeerd is als weersvoorspellingen. Een handig kenmerk van hun methode is dat het laat zien wanneer het model afwijkt van de grondwaarheidsgegevens. Daardoor kan het in realtime worden aangepast om rekening te houden met deze verschillen, net als een weersvoorspelling.
Ziektevoorspelling is een wetenschap die nog in de kinderschoenen staat, maar het heeft het potentieel om het voorbereidingsniveau van de medische wereld op epidemieën drastisch te verbeteren. De ruwe schattingen waarmee medici tot nu toe hebben moeten werken, leiden vaak tot aanzienlijke niveaus van over- of ondervoorbereiding.
Dat lijkt te veranderen. En met het griepseizoen 2014-2015 al voor de deur, hoe eerder hoe beter.
Referentie: arxiv.org/abs/1410.7716 : Voorspelling van het griepseizoen 2013-2014 met behulp van Wikipedia