基于 Instagram 预测流感

用于监测传染病（如流感）的传统监测系统面临诸多挑战，包括缺乏熟练的医疗专业人员、社区偏远以及通信基础设施缺失。基于互联网的监测方法在后勤与经济上均具吸引力。在此类方法中，搜索引擎查询与 Twitter 一直是主要的数据来源。本研究的目的是评估一种替代数据源——Instagram 的预测能力。通过使用 Instagram 上 317 周的公开数据，我们训练了多种机器学习算法，对芬兰官方流感样病例数进行现时预测与 forecasting（提前预测），芬兰可提供全国范围的每周病例官方统计数据。除在线帖子的日期与标签计数特征外，我们还借助深度卷积神经网络利用了所发布图像的视觉内容。我们最佳的现时预测模型在测试数据上达到了每周 11.33 例的平均绝对误差与 0.963 的相关系数。提前 1 周与 2 周的预测模型也显示出统计显著性，相关系数分别为 0.903 与 0.862。本研究展示了社交媒体，尤其是其中分享的数字照片，如何成为信息流行病学领域宝贵的信息来源。