Outbreaks of infectious diseases such as SARS, MERS or COVID-2019 cause the loss of human lives, increased pressure on hospitals and economic losses. Early detection allows these e ects to be mitigated, as it allows measures to be applied when they are not so harmful. Although this task has traditionally been carried out through tests in crowded places such as airports, advances in Natural Language Processing have allow to include the analysis of what people are talking about on social networks. Here we present CollaborativeHealth, an epidemiological surveillance tool for active monitoring on social networks and citizen participation. This tool makes it easy for trackers to spot geographical areas where citizens talk about symptoms, illnesses, or risks. It also makes it possible to evaluate the acceptance by citizens of the measures taken by the competent authorities.
Las epidemias de enfermedades infecciosas
causan graves perjuicios a nivel individual,
social y economico. Una de las estrategias
para prevenir la propagacion de enfermedades
infecciosas es la monitorizacion activa, tarea
que realiza el personal sanitario a traves de
controles en lugares de transito tales como
aeropuertos o estaciones de tren. Debido a
avances en los ultimos an~os y de la gran
aceptacion por parte de la ciudadan a de las
tecnolog as de comunicacion, la infodemiolog a
surgio como una ciencia para mejorar y
analizar aspectos relacionados con la salud
publica a traves de Informacion en Internet
Aunque ya existen herramientas
enfocadas a la monitorizacion de enfermedades
infecciosas a partir de datos de Internet, tales
como HealthMap
La Figura 1 muestra la arquitectura funcional de CollaborativeHealth. En pocas palabras se puede resumir de la siguiente manera. En primer lugar, el sistema de monitorizacion se encarga de compilar las evidencias a partir de tres fuentes: redes sociales, documentos web y evidencias reportadas por los ciudadanos a traves de una aplicacion web progresiva. En segundo lugar, las evidencias compiladas pasan por un proceso que valora el grado de con anza de cada evidencia. Aquellas que superan cierto umbral son selladas y almacenadas en una base de datos distribuida. En tercer lugar, las evidencias son mapeadas a una ontolog a del dominio a partir de un proceso de anotacion semantica y se extrae la polaridad subjetiva de cada una de ellas. A continuacion, distintos indicadores de rendimiento (KPIs) semanticos se muestran una interfaz web donde los usuarios nales pueden con gurar sus vistas para monitorizar rangos de fechas, tipos de fuentes, o zonas geogra cas.
A continuacion, se detalla cada uno de estos componentes. 2.1
Este componente se encarga de la
monitorizacion en Twitter. Los usuarios nales
pueden indicar que palabras clave y que zonas
geogra cas quieren monitorizar. Cabe
destacar que un subconjunto de los tweets se
empleo para entrenar un modelos de miner a de
opiniones. Para ello, organizamos equipos de
etiquetado con voluntarios, estudiantes y
personal del proyecto empleando la
herramienta UMUCorpusClassi er para tal n
Este componente se encarga de la monitorizacion de noticias web. Para ello, se disen~o una crawler parametrizable donde los usuarios nales pueden indicar que sitios web quieren monitorizar. Con el n de realizar un cribado mas selectivo de que contenidos son relevantes, los usuarios tambien pueden indicar una o varias expresiones regulares para ltrar URLs espec cas. Tambien pueden indicar que parte del contenido contiene la informacion relevante. Para ello, se pueden con gurar ltros de hojas de estilo en cascada y as eliminar menus, publicidad u otro tipo de contenido. 2.3
Se disen~o una aplicacion web progresiva para reportar evidencias relacionadas con las enfermedades infecciosas como podr an ser zonas insalubres como criaderos de mosquitos o basura en la calle. Esta aplicacion permite a los ciudadanos enviar fotos acompan~ados de un texto, unas etiquetas y datos de la geolocalizacion. Para asistir a los usuarios con este proceso de etiquetado se emplean tecnicas de vision por computador. Tambien hay que destacar que la aplicacion permite funcionar sin conexion a Internet y puede enviar las evidencias en cuanto recupere la conexion. Lo cual permite emplearse en lugares aislados. 2.4
Este componente se subdivide en dos modulos. En primer lugar, el modulo de ltrado de con anza tiene como objetivo asignar una puntuacion a cada evidencia para priorizar Figura 1: Arquitectura funcional de la plataforma CollaborativeHealth.
Redes sociales Twitter Documentos Fuentes oficiales Mundo real Participación ciudadana
Monitorización
Monitorización de redes sociales Crawler de datos oficiales APP de participación ciudadana las mas relevantes. Para ello, se emplean diversos criterios en funcion de la fuente, tales como la precision de la geolocalizacion, la longitud del texto, o la con anza del usuario en funcion de evidencias previas. En segundo lugar, aquellas evidencias que superar cierto umbral son selladas y almacenadas en una base de datos distribuida basada en BigChainDB. Mediante esta base de datos, se pueden compartir de manera segura datos entre distintas instancias de CollaborativeHealth de manera segura asegurando la integridad de los datos. Ademas, se puede usar como respaldo de seguridad. 2.5
Este componente se basa en el desarrollo de
distintas KPIs semanticos. Para ello, se opto
por un disen~o dirigido por ontolog as. Se creo
una ontolog a a partir de combinar y
extender ontolog as existentes, tales como la
Disease Ontology (DO)1 o la Infectious
Disease Ontology (IDO)
Cada evidencia recolectada por
CollaborativeHealth es mapeada a la ontolog a
mediante un proceso de anotacion semantica
basado en una adaptacion de la tecnica
TermFrequency Inverse Document Frequency
(TFIDF)
Una vez obtenida la relacion semantica y la polaridad, se disen~aron distintos KPIs tales como nubes de palabras, mapas de calor, gra cos de barras y de tendencia. Cada KPI se con guro para que fuera independiente y permite el uso de distintos ltros de geolocalizacion, con anza y conceptos de la ontolog a. La Figura 2 muestra un ejemplo de estos KPIs donde se ve la correlacion entre los conceptos COVID-2019 y vacunas en los tuits recopilados durante el mes de abril en Madrid. 2.6
Finalmente, se disen~o una panel de mandos mediante tecnolog as web responsivas. Este panel de mandos permite a los usuarios nales poder visualizar los reportes y los KPIs. Tambien se integraron varios de los KPIs desarrollados con la aplicacion ciudadana para dar feedback a los usuarios. 3
Como trabajo futuro se pretende mejorar
la interpretabilidad de los modelos de
miner a de opiniones a partir del uso de
caracter sticas lingu sticas para complementar
los word embeddings a partir de caracter
sticas lingu sticas empleadas en
Este trabajo esta siendo nanciado por el CDTI y el Fondo Europeo de Desarrollo Regional (FEDER / ERDF) a traves del proyecto CollaborativeHealth IDI-20180989.