مؤشرات جوجل للإنفلونزا

كانت خدمة Google Flu Trends ( GFT ) خدمة ويب تديرها جوجل . وقد وفرت تقديرات لنشاط الإنفلونزا في أكثر من 29 دولة. ومن خلال تجميع استعلامات بحث جوجل ، سعت الخدمة إلى تقديم تنبؤات دقيقة حول نشاط الإنفلونزا. أُطلق هذا المشروع لأول مرة في عام 2008 من قِبل Google.org للمساعدة في التنبؤ بتفشي الإنفلونزا. ^{[ 1 ]}

توقفت خدمة Google Flu Trends عن نشر التقديرات الحالية في 9 أغسطس 2015. ولا تزال التقديرات التاريخية متاحة للتنزيل، ويتم تقديم البيانات الحالية لأغراض البحث المعلنة. ^{[ 2 ]}

تقوم فكرة خدمة "مؤشرات الإنفلونزا من جوجل" على مراقبة سلوكيات ملايين المستخدمين المتعلقة بتتبع صحتهم عبر الإنترنت، ومن ثم تحليل العدد الهائل من عمليات البحث التي يتم جمعها على جوجل للكشف عن وجود أعراض شبيهة بالإنفلونزا بين السكان. تقارن هذه الخدمة النتائج بمستوى النشاط التاريخي للإنفلونزا في المنطقة المعنية، ثم تُصنّف مستوى النشاط إلى: ضئيل، منخفض، متوسط، مرتفع، أو شديد. وتتوافق هذه التقديرات عمومًا مع بيانات المراقبة التقليدية التي تجمعها الهيئات الصحية على المستويين الوطني والإقليمي.

ساعد روني زيجر في تطوير مؤشرات الإنفلونزا بحسب Google. ^{[ 3 ]}

وُصفت خدمة Google Flu Trends بأنها تستخدم الطريقة التالية لجمع المعلومات حول اتجاهات الإنفلونزا. ^{[ 4 ] [ 5 ]}

أولًا، يتم حساب سلسلة زمنية لحوالي 50 مليون استعلام شائع تم إدخالها أسبوعيًا داخل الولايات المتحدة من عام 2003 إلى عام 2008. تُحسب السلسلة الزمنية لكل استعلام على حدة لكل ولاية، ثم تُحوّل إلى نسبة مئوية بقسمة عدد كل استعلام على إجمالي عدد الاستعلامات في تلك الولاية. ومن خلال تحديد عنوان IP المرتبط بكل عملية بحث، يمكن تحديد الولاية التي تم إدخال هذا الاستعلام فيها.

يتم استخدام نموذج خطي لحساب احتمالات زيارة الطبيب بسبب مرض يشبه الإنفلونزا (ILI) واحتمالات البحث المتعلقة بمرض يشبه الإنفلونزا (ILI):

${\displaystyle \operatorname {logit} (P)=\beta _{0}+\beta _{1}\times \operatorname {logit} (Q)+\epsilon }$

يمثل P النسبة المئوية لزيارات الأطباء بسبب أعراض تشبه أعراض الإنفلونزا، بينما يمثل Q نسبة الاستفسارات المتعلقة بأعراض تشبه أعراض الإنفلونزا المحسوبة في الخطوات السابقة. β₀ _هو الحد الثابت، وβ₁ _هو المعامل، بينما يمثل ε حد الخطأ. ^{[ 6 ]}

يتم اختبار كل استعلام من الاستعلامات الخمسين مليونًا كمعيار Q لمعرفة ما إذا كانت النتيجة المحسوبة من استعلام واحد تتطابق مع بيانات حالات الإنفلونزا التاريخية الفعلية المُستقاة من مراكز السيطرة على الأمراض والوقاية منها في الولايات المتحدة (CDC). تُنتج هذه العملية قائمة بأفضل الاستعلامات التي تُعطي أدق التنبؤات لبيانات حالات الإنفلونزا عند استخدام النموذج الخطي. ثم يتم اختيار أفضل 45 استعلامًا، لأنها عند تجميعها معًا، تُطابق البيانات التاريخية بدقة عالية. باستخدام مجموع أفضل 45 استعلامًا متعلقًا بحالات الإنفلونزا، يتم تطبيق النموذج الخطي على بيانات حالات الإنفلونزا الأسبوعية بين عامي 2003 و2007 للحصول على المعامل. أخيرًا، يُستخدم النموذج المُدرَّب للتنبؤ بتفشي الإنفلونزا في جميع مناطق الولايات المتحدة.

قامت جوجل بمراجعة هذه الخوارزمية لاحقاً، جزئياً استجابةً لمخاوف بشأن دقتها، وقد أشارت محاولات تكرار نتائجها إلى أن مطوري الخوارزمية "شعروا بحاجة غير معلنة لإخفاء مصطلحات البحث الفعلية التي تم تحديدها". ^{[ 7 ]}

تحاول خدمة Google Flu Trends تجنب انتهاكات الخصوصية من خلال تجميع ملايين عمليات البحث المجهولة فقط، دون تحديد هوية الأفراد الذين أجروا البحث. ^{[ 1 ] [ 8 ]} يحتوي سجل البحث على عنوان IP الخاص بالمستخدم، والذي يمكن استخدامه لتتبع المنطقة التي تم إرسال البحث منها في الأصل. تُشغّل Google برامج على أجهزة الكمبيوتر للوصول إلى البيانات ومعالجتها، لذا لا يتدخل أي عنصر بشري في هذه العملية. كما طبّقت Google سياسة إخفاء هوية عناوين IP في سجلات البحث بعد 9 أشهر. ^{[ 9 ]}

مع ذلك، أثارت خدمة "اتجاهات الإنفلونزا" من جوجل مخاوف تتعلق بالخصوصية لدى بعض منظمات حماية البيانات. فقد أرسل مركز معلومات الخصوصية الإلكترونية ومنظمة حقوق خصوصية المرضى رسالةً إلى إريك شميدت ، الرئيس التنفيذي لشركة جوجل آنذاك، عام ٢٠٠٨. ^{[ ١٠ ]} وأقرّا بأن استخدام البيانات التي يُنشئها المستخدمون قد يدعم جهود الصحة العامة بشكلٍ كبير، لكنهما أعربا عن قلقهما من إمكانية "فرض تحقيقات خاصة بالمستخدمين، حتى مع اعتراض جوجل، بموجب أمر قضائي أو سلطة رئاسية".

كان الدافع الأولي وراء تطوير خدمة جوجل لتتبع الإنفلونزا هو القدرة على تحديد نشاط المرض مبكرًا والاستجابة السريعة له، مما قد يقلل من تأثير الإنفلونزا الموسمية والوبائية. وأفاد أحد التقارير أن هذه الخدمة كانت قادرة على التنبؤ بتفشي الإنفلونزا على المستوى الإقليمي قبل ما يصل إلى 10 أيام من إبلاغ مراكز السيطرة على الأمراض والوقاية منها عنها. ^{[ 11 ]}

خلال جائحة الإنفلونزا عام 2009، رصدت خدمة "اتجاهات الإنفلونزا" من جوجل معلوماتٍ حول الإنفلونزا في الولايات المتحدة. ^{[ 12 ]} وفي فبراير 2010، رصدت مراكز السيطرة على الأمراض والوقاية منها ارتفاعًا حادًا في حالات الإصابة بالإنفلونزا في منطقة وسط المحيط الأطلسي بالولايات المتحدة. ومع ذلك، أظهرت بيانات جوجل لعمليات البحث عن أعراض الإنفلونزا هذا الارتفاع نفسه قبل أسبوعين من صدور تقرير مراكز السيطرة على الأمراض والوقاية منها.

قالت الدكتورة لين فينيلي ، رئيسة قسم المراقبة في شعبة الإنفلونزا بمركز السيطرة على الأمراض والوقاية منها: "كلما كان التحذير مبكراً، أمكن اتخاذ تدابير الوقاية والمكافحة في وقت أبكر، وهذا من شأنه أن يمنع حالات الإصابة بالإنفلونزا". وأضافت: "يصاب ما بين 5 إلى 20 بالمئة من سكان البلاد بالإنفلونزا كل عام، مما يؤدي إلى حوالي 36 ألف حالة وفاة في المتوسط". ^{[ 11 ]}

يُعدّ Google Flu Trends مثالًا على الذكاء الجماعي الذي يُمكن استخدامه لتحديد الاتجاهات وحساب التوقعات. تُعتبر البيانات التي تجمعها محركات البحث بالغة الأهمية، لأنّ استعلامات البحث تُمثّل رغبات الناس واحتياجاتهم دون تصفية. يقول توماس دبليو مالون، الأستاذ في كلية سلون للإدارة بمعهد ماساتشوستس للتكنولوجيا: "يبدو هذا وكأنه طريقة ذكية حقًا لاستخدام البيانات التي يُنشئها مستخدمو جوجل دون قصد، لرؤية أنماط في العالم كانت ستظل خفية لولا ذلك. أعتقد أننا لم نكتشف بعد سوى القليل مما يُمكن تحقيقه باستخدام الذكاء الجماعي." ^{[ 11 ]}

ذكرت ورقة بحثية أولية من جوجل أن تنبؤات جوجل لاتجاهات الإنفلونزا كانت دقيقة بنسبة 97% مقارنةً ببيانات مراكز السيطرة على الأمراض والوقاية منها. ^{[ 4 ]} إلا أن تقارير لاحقة أكدت أن تنبؤات جوجل لاتجاهات الإنفلونزا كانت غير دقيقة للغاية، لا سيما في حالتين بارزتين. فقد فشلت جوجل لاتجاهات الإنفلونزا في التنبؤ بجائحة ربيع 2009 ^{[ 13 ]} ، وخلال الفترة 2011-2013، بالغت باستمرار في تقدير معدل الإصابة النسبي بالإنفلونزا، ^{[ 7 ]} حيث توقعت ضعف عدد زيارات الأطباء خلال فترة واحدة في موسم الإنفلونزا 2012 مقارنةً بما سجلته مراكز السيطرة على الأمراض والوقاية منها. ^{[ 7 ] [ 14 ]} وخلصت دراسة نُشرت عام 2022 (مع تعليقات) في المجلة الدولية للتنبؤ ^{[ 15 ]} إلى أن أداء جوجل لاتجاهات الإنفلونزا كان أقل من أداء التنبؤ القائم على الحداثة، وهو مثال على ما يُسمى بالتنبؤ "الساذج"، حيث يتساوى معدل الإصابة المتوقع بالإنفلونزا مع أحدث معدل إصابة مُلاحظ. بالنسبة لجميع الأسابيع من 18 مارس 2007 إلى 9 أغسطس 2015 (الأفق الزمني الذي تتوفر فيه تنبؤات Google Flu Trends)، كان متوسط ​​الخطأ المطلق لـ Google Flu Trends هو 0.38 وللاستدلال على الحداثة 0.20 (كلاهما بنقاط مئوية؛ الانحدار الخطي مع متنبئ واحد، وهو أحدث معدل إصابة بالإنفلونزا تم رصده، كان له متوسط ​​خطأ مطلق قدره 0.20 أيضًا، وكان معيار التنبؤ العشوائي 1.80).

أحد مصادر المشاكل هو أن الأشخاص الذين يُجرون عمليات بحث على جوجل متعلقة بالإنفلونزا قد لا يعرفون الكثير عن كيفية تشخيصها؛ فقد تكون عمليات البحث عن الإنفلونزا أو أعراضها بحثًا عن أعراض أمراض مشابهة، ولكنها ليست إنفلونزا في الواقع. ^{[ 16 ]} علاوة على ذلك، أثار تحليل مصطلحات البحث التي يُزعم أن جوجل تتعقبها، مثل "حمى" و"سعال"، بالإضافة إلى آثار التغييرات في خوارزمية البحث بمرور الوقت، مخاوف بشأن دقة تنبؤاتها. ^{[ 7 ]} في خريف عام 2013، بدأت جوجل محاولة التعويض عن الزيادة في عمليات البحث نتيجةً لتصدر الإنفلونزا عناوين الأخبار، والتي وُجد أنها كانت تُؤثر سلبًا على النتائج سابقًا. ^{[ 17 ]} ومع ذلك، خلص أحد التحليلات إلى أنه "من خلال الجمع بين بيانات جوجل للإنفلونزا (GFT) وبيانات مراكز السيطرة على الأمراض والوقاية منها (CDC) المتأخرة، بالإضافة إلى إعادة معايرة جوجل للإنفلونزا ديناميكيًا، يُمكننا تحسين أداء جوجل للإنفلونزا أو بيانات مراكز السيطرة على الأمراض والوقاية منها بشكل كبير". ^{[ 7 ]} كما أظهرت دراسة لاحقة أنه يمكن بالفعل استخدام بيانات بحث جوجل لتحسين التقديرات، مما يقلل الأخطاء التي تظهر في نموذج يستخدم بيانات مراكز السيطرة على الأمراض والوقاية منها وحدها بنسبة تصل إلى 52.7%. ^{[ 18 ]}

من خلال إعادة تقييم نموذج GFT الأصلي، اكتشف الباحثون أن النموذج كان يجمع استفسارات حول حالات صحية مختلفة، وهو ما قد يؤدي إلى المبالغة في تقدير معدلات الإصابة بأمراض تشبه الإنفلونزا؛ وفي العمل نفسه، تم اقتراح سلسلة من الأساليب الخطية وغير الخطية الأكثر تقدماً والأفضل أداءً لنمذجة أمراض تشبه الإنفلونزا. ^{[ 19 ]}

ومع ذلك، تمكنت أعمال المتابعة من تحسين دقة GFT بشكل كبير من خلال استخدام نموذج انحدار الغابة العشوائية الذي تم تدريبه على كل من معدل الإصابة بأمراض تشبه الإنفلونزا ومخرجات نموذج GFT الأصلي. ^{[ 20 ]}

تقوم مشاريع مماثلة مثل مشروع التنبؤ بالإنفلونزا ^{[ 21 ]} الذي أجراه معهد العلوم المعرفية في جامعة أوسنابروك بتطوير الفكرة الأساسية، من خلال الجمع بين بيانات وسائل التواصل الاجتماعي مثل تويتر مع بيانات مراكز السيطرة على الأمراض والوقاية منها ، والنماذج الهيكلية التي تستنتج الانتشار المكاني والزماني ^{[ 22 ]} للمرض.

• الموقع الرسمي