Говорим за страничните ефекти на лекарствата.
Руски учени от Московския физико-технологичен институт, заедно с американските си колеги, обучиха невронна мрежа да намира и анализира мненията на потребителите на социалните мрежи за ефектите на някои лекарства. Съответната статия е публикувана в Journal of Biomedical Informatics.
Авторите на новата работа са използвали последователно обучение на повтарящи се невронни мрежи, за да могат да намерят препратки към действието на различни лекарства в английските социални мрежи и правилно да сравнят тези твърдения с медицинската класификация на възможните им последствия. Например, коментари, написани на „народен“ език от публикации с формулировки като „Не мога да спя цяла нощ“ или „Чувствам се малко замаян“ се оценяват от невронната мрежа като принадлежащи към определени групи, с които специфични медицински характеристики сравнение - съответно „безсъние“ и „замайване“.
Въпреки привидната простота на задачата, тя е изключително сложна. Потребителите на социални медии като правило не използват стандартна и строга терминология, те могат да пишат с правописни и синтактични грешки, което често затруднява другите хора да разберат изявленията им.
За да научат софтуера да анализира истинското значение на такива „народни“ формулировки, учените са използвали изкуствени невронни мрежи. Това е система от прости процесори, взаимодействащи помежду си, които се наричат изкуствени неврони. Мрежите от такива процесори не се програмират в обичайния смисъл на думата, а се „обучават“. Дават им се входни данни и тренировъчна извадка (резултатите, които трябва да получат като изход), след което намират математическите коефициенти на връзките между невроните, за които входната информация ще даде „правилната“ информация на изхода. След „обучение“ на достатъчно голям обучителен набор, невронната мрежа ще може да даде правилния резултат само въз основа на входящите данни, освен това тези, които липсват в обучителния набор.
Поставяйки, от една страна, примери за това как потребителите на социалните мрежи показват своето благосъстояние след приемане на лекарства, а от друга страна, медицински дефиниции, характеризиращи такива състояния, авторите на работата гарантират, че невронната мрежа може независимо сравнете „народни“ и „медицински“ дефиниции на тези или други последствия от лекарства.
Такъв метод може да бъде обещаващ не само при събиране на данни за проблеми, свързани с приема на определени лекарства, но и при анализиране на всякакви масиви от данни от социалните мрежи, изразени под формата на твърдения на обичайния „разговорен“ език, например нагласи към различни партии и политически лидери. Това е важно, тъй като количеството информация в социалните мрежи днес вече е такова, че ръчното й сортиране е невъзможно дори за голяма група изследователи.