使用基于变压器的模型和社交媒体帖子来检测热中风.
Sumiko Anno1, Yoshitsugu Kimura2, Satoru Sugita3
1Graduate School of Global Environmental Studies, Sophia University, Tokyo, Japan. sumiko_anno@sophia.ac.jp.
Scientific reports
|January 3, 2025
概括
这项研究表明,人工智能可以准确地识别来自社交媒体的真实热中风推文. 将这与公共卫生数据相结合,有助于早期发现热风险.
科学领域:
- 公共卫生监督 公共卫生监督
- 医疗保健中的人工智能
- 气候变化影响 气候变化影响
背景情况:
- 基于事件的监测对公共卫生至关重要.
- 社交网络服务 (SNS) 显示出早期发现健康危机的潜力.
- 由于主观性,SNS数据对健康监测的可靠性仍然是一个挑战.
研究的目的:
- 评估基于变压器的语言模型,用于分类日本热中风推文.
- 评估SNS数据和人工智能的组合,以基于事件的公共卫生监测.
- 为了可视化分类推文和热中风紧急情况之间的时空相关性.
主要方法:
- 利用基于变压器的预训练语言模型来分类与热中风相关的日本推文.
- 评估了推特的真假分类准确性.
- 分类推文和热中风紧急医疗疏散人员的可视化时空数据.
主要成果:
- 基于变压器的模型在分类热中风相关推文方面表现良好.
- 时空空间和动画视频可视化显示数据源之间存在合理的相关性.
- 该研究证实了AI和SNS数据在高空间时间公共卫生监测方面的潜力.
结论:
- 通过深度学习和变压器网络分析的日本推特显示出基于事件的监控的前景.
- 这种方法可以在高时空分辨率下早期检测热中风风险.
- 将人工智能与SNS数据相结合,为加强公共卫生监测提供了一个可行的策略.


