Inteligência Artificial( IA) mostra q a politica em relação ao CVD19 é mais 'infecciosa' do q doença



Eventos científicos, como publicações científicas e eventos não científicos, como discursos de políticos, influenciam igualmente as tendências de crença em saúde nas mídias sociais


Aplicando uma IA para analisar tweets, pesquisadores relatam que as atitudes das pessoas em relação ao COVID-19 podem ser mais infecciosas do que o próprio vírus.

A atitude pública em relação ao COVID-19 e seus tratamentos é mais "infecciosa" do que a própria doença, de acordo com um novo estudo da Northwestern Medicine usando Inteligência Artificial (IA) para analisar tweets sobre o vírus. Pesquisadores estudaram a influência do Twitter sobre as crenças em saúde do COVID-19, bem como a influência concorrente das evidências científicas versus os discursos dos políticos.

Os principais achados do estudo:

· Os vieses das pessoas são ampliados quando leem tweets sobre o COVID-19 de outros usuários, e quanto mais vezes ele foi retuitado, mais eles tendem a acreditar e retweetá-lo eles mesmos.

· Eventos científicos, como publicações científicas e eventos não científicos, como discursos de políticos, influenciam igualmente as tendências de crença em saúde nas mídias sociais.

· "Na pandemia, as mídias sociais contribuíram para grande parte da informação e desinformação e viés da atitude do público em relação à doença, tratamento e política", disse o autor correspondente do estudo, Yuan Luo, diretor de Inteligência Artificial do Instituto de Inteligência Aumentada em Medicina da Northwestern University Feinberg School of Medicine.

· "Nosso estudo ajuda as pessoas a perceber e ree think as decisões pessoais que tomam ao enfrentar a pandemia", disse Luo. "O estudo envia um 'alerta' ao público de que as informações que encontram diariamente podem estar certas ou erradas, e os orientam a escolher as informações endossadas por evidências científicas sólidas. Também queríamos fornecer informações úteis para cientistas ou prestadores de cuidados de saúde, para que eles possam transmitir sua voz de forma mais eficaz para públicos-alvo."

· O estudo foi publicado recentemente no Journal of Medical Internet Research.

·

· Como os cientistas podem contrariar informações imprecisas dos políticos?

· "Os políticos podem falar imprecisamente sobre a eficácia de um certo tratamento ou dizer que o COVID-19 não é grande coisa; é como a gripe", disse Luo, também diretor de IA do Northwestern University Clinical and Translational Sciences Institute. "Esses comentários têm um efeito tão forte quanto as evidências científicas reais e impulsionam as crenças das pessoas. É com isso que estamos preocupados.

· Ao entender como as atitudes do público são afetadas, os cientistas podem tomar medidas para garantir que fatos científicos e evidências tenham uma voz alta o suficiente.

·

· "Como cientista, você precisa estar ciente de que precisa levar a ciência para as pessoas. Se você não colocar energia nisso, seus esforços podem ser facilmente compensados por aqueles que falam irresponsavelmente", disse Luo. "Daqui para frente, podemos querer prestar mais atenção a uma campanha de informação pública para educar as pessoas sobre a vacina, a fim de maximizar o impacto da inoculação."

· Como as atitudes das pessoas em relação ao COVID-19 são influenciadas por tweets?

· "Como leigo, você deve se conscientizar do que retuita e fazer uma verificação de fatos primeiro", disse Luo. "E esteja ciente de que tudo o que você vê no Twitter está moldando sua atitude. Você precisa se conscientizar disso antes de deixar que os tweets e opiniões dos outros modelem o seu e você se torne parte desse megafone."

· "Muitas pessoas não estão cientes do quanto suas crenças são impactadas por tweets, e não se preocupam em verificar o que lêem e retweetam. Quando a informação é tendenciosa, eles ignoram ou não a notaram. É como um efeito de marketing viral. Trata-se apenas de chamar a atenção para um trending topic, mas afeta a todos nas mídias sociais."

· Como é esse romance de estudo?

· O estudo é novo porque integra algoritmos de aprendizagem de máquina e modelos clássicos de epidemiologia para investigar retrospectivamente os conteúdos nas mídias sociais e seus efeitos, disse Luo.

· O estudo também permite que outros pesquisadores "olhem sob o capô" para entender como esse algoritmo de IA funciona.

· Algoritmos de aprendizagem de máquina e deep learning são geralmente mecanismos opacos e de caixa preta. Mas neste estudo, os pesquisadores prestaram atenção especial para melhorar a interpretação do modelo.

· "Identificamos as tendências flutuantes das atitudes públicas a partir dos tweets e, em seguida, alinhamos os importantes eventos científicos e não científicos que estão associados a essas tendências", disse Luo. "Como resultado, estamos oferecendo insights que as pessoas podem agir."

· Quantos tweets a IA analisou?

· A equipe de Luo, liderada pela primeira autora do estudo, Hanyin Wang, estudante de doutorado no Programa de Pós-Graduação Driskill, coletou retrospectivamente tweets relacionados ao COVID-19 usando a API do Twitter. No total, eles recuperaram 92.687.660 tweets correspondendo a 8.967.986 usuários de 6 de janeiro a 21 de junho de 2020. Para treinar o modelo de IA, eles selecionaram aleatoriamente 5.000 tweets para anotação. Cada tweet foi duplamente revisado para decidir se ele atendeu a alguma das quatro construções centrais do modelo de crença em saúde, percebida suscetibilidade, gravidade percebida, benefícios percebidos e barreiras percebidas.

· Próximo passo: usar a IA para analisar como as mídias sociais afetam atitudes em relação às vacinas COVID-19

· A equipe de Luo está atualmente integrando machine learning e deep learning no estudo de como as mídias sociais podem afetar a atitude do público em geral em relação às vacinas COVID-19. O objetivo é identificar preocupações públicas específicas e informar campanhas de vacinação direcionadas para maximizar o impacto da inoculação. Eles também estão olhando para o uso de dados de mídia social como uma maneira de detectar disparidades de gênero ou raça dentro e fora da pandemia.

· Outros autores do Noroeste incluem Yikuan Li, Meghan Hutch e Andrew Naidech.

· Financiamento: O estudo foi financiado em parte pela concessão R01LM013337 da Biblioteca Nacional de Medicina dos Institutos Nacionais de Saúde.

·

· The study will appear in Journal of Internet Medical Research during the week of March 1, 2021.


134 visualizações0 comentário