Твиты и модели искусственного интеллекта раскрывают риски теплового удара в городских районах
Тепловой удар представляет собой значительный риск для здоровья, особенно в условиях экстремальных температур. Поскольку глобальные температуры повышаются из-за изменения климата, частота и интенсивность волн тепла увеличиваются, подвергая уязвимые группы населения большему риску.
Этот сдвиг подчеркивает необходимость эффективных методов раннего выявления и реагирования на риски теплового удара в режиме реального времени, обеспечивающих своевременное вмешательство и снижение воздействия этих растущих угроз.
Хотя предыдущие исследования подчеркивали потенциал сообщений в социальных сетях, таких как твиты, для предоставления информации о различных событиях в режиме реального времени, их применение для выявления рисков теплового удара не изучалось.
Чтобы устранить этот пробел, группа исследователей под руководством профессора Сумико Анно из Высшей школы глобальных экологических исследований Софийского университета (Япония) совместно с доктором Ёсицугу Кимурой (Yanagi Pearls, Япония) и доктором Сатору Сугитой (Thubu University, Япония) использовали потенциал объединения сообщений в социальных сетях и моделей обучения на основе трансформаторов для выявления рисков теплового удара в городе Нагоя (Япония).
Их результаты были опубликованы в Scientific Reports .
Исследователи использовали модели глубокого обучения на основе трансформаторов , включая BERT, RoBERTa и LUKE Japanese base lite, а также модель машинного обучения (машину опорных векторов или SVM) для выявления твитов, содержащих слово «hot» на японском языке.
Команда успешно собрала около 27 040 твитов за пятилетний период с помощью API Twitter. С помощью предварительной обработки текстовых данных и применения передовых методов глубокого и машинного обучения модели были обучены и настроены на идентификацию твитов, связанных с тепловыми ударами. Эти модели оценивались с использованием ключевых показателей производительности, таких как точность, достоверность, отзыв и оценка F1.
Среди протестированных моделей LUKE Japanese base lite достигла наивысших показателей производительности с точностью 85,52%, за ней следуют BERT-base (84,04%) и RoBERTa-base (83,88%). В то время как базовая модель SVM показала самую низкую производительность с точностью 72,73%.
Кроме того, использование визуализаций времени и пространства и анимированного видео продемонстрировало потенциал для наблюдения в реальном времени на основе событий. Путем картирования мест экстренных медицинских эвакуаций, связанных с тепловым ударом, и сопоставления их с геотегированными твитами исследование продемонстрировало, как данные социальных сетей могут обеспечить систему раннего оповещения о рисках теплового удара в городских условиях.
Профессор Анно объясняет: «Используя сообщения в социальных сетях, мы можем улучшить системы надзора за общественным здоровьем и способствовать раннему выявлению рисков теплового удара. Наши выводы подчеркивают важность мониторинга данных в режиме реального времени для борьбы с проблемами здравоохранения, вызванными изменением климата».
Исследование подчеркивает потенциал объединения японских твитов и предварительно обученных языковых моделей на основе трансформатора для наблюдения за общественным здоровьем. Превосходная производительность LUKE в обнаружении твитов, связанных с тепловым ударом, предполагает его жизнеспособность в мониторинге рисков теплового удара во время волн жары.
Более того, пространственно-временные визуализации продемонстрировали, как социальные сети можно интегрировать с данными реагирования на чрезвычайные ситуации, чтобы они служили эффективным инструментом раннего обнаружения экстремальных погодных явлений.
Это исследование открывает двери для будущих приложений глубокого обучения и сообщений в социальных сетях для систем мониторинга здоровья в реальном времени. По мере усиления изменения климата способность раннего обнаружения и реагирования на риски теплового удара может стать важнейшим инструментом в защите общественного здоровья.
Заглядывая вперед, команда планирует создать систему раннего оповещения о тепловом ударе в префектуре Айти с целью в конечном итоге расширить эту систему до общенациональной системы оповещения для Японии. Ключевые шаги в достижении этого будут включать сотрудничество с местными властями для сбора данных о тепловом ударе и проведение пространственно-временного анализа во всех префектурах.
«Нашу методологию можно расширить и адаптировать для мониторинга возникающих и повторно возникающих инфекционных заболеваний, расширив ее применение в надзоре за общественным здравоохранением», — заключает профессор Анно.