8 / 03 / 2016

Una ‘app’ busca intoxicaciones alimentarias en los tuits

Comparte este artículo
map showing tweets throughout Las Vegas connected to feed venues

nEmesis, escudriñando Las Vegas a través de sus tuits. Imagen: Adam Sadilek. Fuente: Universidad de Rochester.

Investigadores de la Universidad de Rochester (Nueva York, EE.UU.) han desarrollado una aplicación para los departamentos de salud oficiales que utiliza el procesamiento del lenguaje natural y la inteligencia artificial para identificar tuits relacionados con intoxicaciones alimentarias, conectarlos a los restaurantes usando geoetiquetado e identificar probables puntos conflictivos.

La epidemiología basada en la ubicación no es nueva. John Snow, acreditado como el primer epidemiólogo del mundo, utilizó en 1666 mapas de Londres para identificar el origen de la epidemia de cólera que estaba arrasando la ciudad (un pozo) y en el proceso descubrió la conexión entre la enfermedad y las fuentes de agua.

Ahora, los investigadores han mostrado que es posible deducir el origen de los brotes usando el contenido público de las redes sociales y algoritmos de aprendizaje profundo entrenados para reconocer rasgos lingüísticos asociados con una enfermedad: "Siento náuseas", por ejemplo.

En un artículo, los investigadores describen su colaboración con el departamento de salud de Las Vegas, cuyos funcionarios utilizaron la aplicación llamada nEmesis para mejorar los protocolos de inspección de la ciudad.

Normalmente, las ciudades (como Las Vegas) utilizan un sistema aleatorio para decidir qué restaurantes inspeccionar en cualquier día dado. El equipo de investigación convenció a los funcionarios de Las Vegas para reemplazar su sistema aleatorio con una lista de posibles sitios de infección derivada de sus algoritmos inteligentes.

En un experimento controlado, la mitad de las inspecciones se realizaron utilizando el enfoque al azar y la otra mitad se realizaron utilizando nEmesis, sin que los inspectores supieran de que se había cambiado el sistema.

Durante tres meses, el sistema escaneó automáticamente un promedio de 16.000 tuits de 3.600 usuarios cada día. 1.000 de los tuits estaban relacionados con un restaurante específico y de ellos, aproximadamente 12 incluían contenido que probablemente significaba una intoxicación alimentaria.

Analizando los resultados del experimento, encontraron que el sistema basado en tuits llevó a un 15 por ciento de citaciones por infracciones sanitarias respecto al total de inspecciones, en comparación con el 9 por ciento del sistema aleatorio. Algunas de las inspecciones acabaron en advertencias; otras, en cierres.

Los investigadores estiman que estas mejoras en la eficacia de las inspecciones dieron lugar a 9.000 menos incidentes de envenenamiento por alimentos y 557 menos hospitalizaciones en Las Vegas durante el estudio.

La investigación ha recibido un premio de la Asociación para el Avance de Inteligencia Artificial (AAAI) de EE.UU., y fue financiada por la Fundación Nacional de Ciencia (NSF) estadounidense, entre otros, según informa la propia NSF en su web.

Comparte este artículo
Suscríbete a nuestra Newsletter
Suscríbete