上智大学大学院の安納住子教授らの研究グループは、SNSと深層学習を用いて、熱中症リスクを時空間レベルで早期に検知することが可能であることを実証した。気候変動による熱中症の増加や新たな感染症の流行のリスク低減が期待される。
近年、健康リスクの早期検知を目的として行う調査（イベントベースサーベイランス）においてSNS投稿の活用が注目されている。SNS投稿に含まれる投稿者の感情、潜在意識、時間、場所などの情報を収集・分析することで、感染症流行などの早期検知と迅速な対応が可能となる。日本では投稿された情報の信頼性や言語の複雑さなどの理由から、SNS投稿の収集・分析による研究例は少ない。
そこで研究グループは、transformer（深層学習モデルの1つ）をベースとした深層学習モデルを用いて熱中症関連の日本語のX（旧Twitter）の投稿を分類し、その妥当性について評価した。また、正しく分類されたツイートと熱中症による救急搬送者のデータとを合わせて分析し、時空間レベルでのイベントベースサーベイランスの可能性を調査した。
研究の結果、transformerベースの深層学習モデルは、日本語のツイートの分類において高い性能を示すことが分かった。また、時空間とアニメーションによる可視化により、正しく分類されたツイートと熱中症による救急搬送者との間に相関があることが明らかとなった。
今回の結果から、transformerをベースとした深層学習モデルは、ツイートの分類において優れた性能を発揮することが分かった。この手法は、パンデミックの可能性がある感染症への対応にも拡張でき、全国的な警報システムの構築への応用が期待される。
論文情報：【Scientific Reports】Using transformer-based models and social media posts for heat stroke detection
