Intelligenza Artificiale e social network potrebbero essere uno strumento efficace per prevedere (il rischio) di incappare in un colpo di calore, offrendo una opportunità per agire in prevenzione sulle implicazioni, importanti, di salute pubblica, che ne potrebbero derivare.
È quanto suggerisce uno studio giapponese della Graduate School of Global Environmental Studies, Sophia University, pubblicato su Scientific Reports.
I nuovi modelli predittivi e preventivi
La sorveglianza, ovvero la capacità di prevedere un evento in anticipo, quindi di valutare la risposta rapida ai potenziali rischi, è considerata da sempre una strategia efficace per la diagnosi precoce.
Anche per problematiche di salute legate a specifici contesti, come un colpo di calore ad esempio. Strumenti innovativi come servizi di social networking (SNS), secondo evidenze di letteratura, potrebbero essere utili per rilevare precocemente dai post SNS pubblicati emergenze, crisi sanitarie, esposizione di soggetti a rischio a specifici eventi, quali i colpi di calore come detto ma anche malattie infettive. T
uttavia, un limite di questi strumenti è l’affidabilità, essendo legati a “percezioni” soggettive e non diagnosticate clinicamente e scientificamente.
L’attuale studio ha esplorato una potenziale soluzione per superare questo gap, tramite modelli linguistici preaddestrati basati su trasformatori, applicati alla definizione dell’attendibilità dei tweet circolati sui SNS giapponesi in relazione al colpo di calore, un evento sempre più impattante e frequente sulla salute, associato ai cambiamenti climatici.
La strutturazione del modello
I ricercatori hanno messo a punto modelli di apprendimento profondo, insieme a un modello di apprendimento automatico. Pervio addestramento di questi strumenti a identificare i tweet contenenti la parola “hot”, correlata agli eventi di colpo di calore e previa valutazione di attendibilità utilizzando metriche di prestazioni chiave come accuratezza, precisione, richiamo e punteggio, i ricercatori sono riusciti a selezionare all’incirca 27.000 post.
In linea generale tutti i modelli testati hanno dato buoni risultati di efficacia, tra questi: LUKE Japanese base lite che ha raggiunto le metriche di performance più elevate con un’accuratezza dell’85,52%, seguito da BERT-base (84,04%) e RoBERTa-base (83,88%). Mentre il modello baseline SVM ha mostrato le performance più basse, con un’accuratezza del 72,73%.
Inoltre, l’uso di visualizzazioni spazio-temporali e video animati ha mostrato il potenziale della sorveglianza basata sugli eventi in tempo reale. Attraverso la mappatura delle posizioni delle evacuazioni mediche di emergenza correlate ai colpi di calore e il loro abbinamento con tweet geo-taggati, lo studio ha dimostrato come i dati dei social media potrebbero fornire un sistema di allerta precoce per i rischi di colpo di calore negli ambienti urbani. Tali strumenti potrebbero dunque avere il potenziale per diventare uno strumento cruciale per salvaguardare la salute pubblica.
Gli sviluppi futuri
I ricercatori intendono definire un sistema di allerta precoce per i colpi di calore nella prefettura di Aichi, con l’obiettivo di espandere poi il modello a livello nazionale, implementando la collaborazione con le autorità giapponesi per raccogliere dati sui colpi di calore e condurre analisi spaziotemporali in tutte le prefetture.
Un modello che se darà prova di efficacia potrebbe essere traslato e applicato anche ad alcuni contesti di salute pubblica emergente, come ad esempio le malattie infettive ed il correlato rischio.
Fonte
Anno S, Kimura Y, Sugita S. Using transformer-based models and social media posts for heat stroke detection. Scientific Reports, 2025, 15, Art. 742. Link: https://www.nature.com/articles/s41598-024-84992-y
 di incappare in un colpo di calore){kind=link}