Ν. Χρηστάκης - Πώς τα κοινωνικά δίκτυα προβλέπουν επιδημίες

Μετά τη χαρτογράφηση περίπλοκων κοινωνικών δικτύων των ανθρώπων, ο Νικόλας Χρηστάκης και ο συνάδελφός του Τζέιμς Φάουλερ άρχισαν να ερευνούν πως αυτή η πληροφορία θα μπορούσε να βελτιώσει τις ζωές μας. Τώρα, αποκαλύπτει τα μόλις δημοσιευμένα ευρήματά του: Αυτά τα δίκτυα μπορούν να χρησιμοποιηθούν στην ανίχνευση επιδημικών φαινομένων νωρίτερα από ποτέ, από την εξάπλωση καινοτόμων ιδεών μέχρι τις επικίνδυνες συμπεριφορές και τους ιούς (όπως ο Η1Ν1). 

Τα τελευταία δέκα χρόνια, περνάω τον καιρό μου προσπαθώντας να καταλάβω πώς και γιατί τα ανθρώπινα όντα συναθροίζονται σε κοινωνικά δίκτυα. Το είδος των κοινωνικών δικτύων για το οποίο μιλάω δεν είναι η πρόσφατη online ποικιλία, αλλά περισσότερο, το είδος των κοινωνικών δικτύων στα οποία τα ανθρώπινα όντα συναθροίζονται εδώ και εκατοντάδες χιλιάδες χρόνια, από τότε που εμφανιστήκαμε στην Αφρικανική σαβάνα. Λοιπόν, δημιουργώ φιλίες και συνεργατικές και αδελφικές και συγγενικές σχέσεις με άλλους ανθρώπους που με τη σειρά τους έχουν παρόμοιες σχέσεις με άλλους ανθρώπους. Και αυτό εξαπλώνεται αδιάκοπα σε μεγάλη απόσταση. Και παίρνετε ένα δίκτυο που μοιάζει με αυτό. Κάθε τελεία είναι ένα άτομο. Κάθε γραμμή ανάμεσά τους είναι μια σχέση μεταξύ δυο ανθρώπων — διάφορα είδη σχέσεων. Και μπορείτε να πάρετε αυτό το είδος τεράστιου ιστού της ανθρωπότητας, στον οποίο όλοι είμαστε ενσωματωμένοι.  

Και ο συνεργάτης μου, ο Τζέιμς Φάουλερ, κι εγώ μελετάμε εδώ και αρκετό καιρό ποιοι είναι οι μαθηματικοί, κοινωνικοί, βιολογικοί και ψυχολογικοί κανόνες που καθορίζουν τον τρόπο με τον οποίο αυτά τα δίκτυα σχηματίζονται και ποιοι είναι οι παρόμοιοι κανόνες που καθορίζουν τον τρόπο που αυτά διευθύνουν, που επηρεάζουν τις ζωές μας. Και πρόσφατα, αναρωτιώμαστε αν θα ήταν δυνατό να επωφεληθούμε από αυτή την επίγνωση, ώστε πράγματι να βρούμε τρόπους να βελτιώσουμε τον κόσμο, να κάνουμε κάτι καλύτερο, πράγματι να διορθώσουμε πράγματα, όχι απλά να καταλάβουμε πράγματα. Έτσι ένα από τα πρώτα πράγματα που σκεφτήκαμε να αντιμετωπίσουμε ήταν πώς προσεγγίζουμε την πρόβλεψη επιδημιών. 

Και η τρέχουσα πρακτική στην πρόβλεψη μιας επιδημίας — αν είστε το CDC (Κέντρα Ελέγχου και Πρόληψης Ασθενειών) ή κάποιο άλλο εθνικό σώμα — είναι να καθήσεις στη μέση εκεί που είσαι και να συλλέγεις δεδομένα από γιατρούς και εργαστήρια του τομέα που αναφέρουν την εξάπλωση ή τη συχνότητα συγκεκριμένων καταστάσεων. Λοιπόν, ανώνυμοι ασθενείς έχουν διαγνωστεί με κάτι [εδώ] ή άλλοι ασθενείς έχουν διαγνωστεί [εδώ], και όλα αυτά τα δεδομένα τροφοδοτούν ένα κεντρικό αρχειοστάσιο, με κάποια καθυστέρηση. Και αν όλα κυλήσουν ομαλά, σε μια με δυο βδομάδες από τώρα, θα ξέρετε που ήταν η επιδημία σήμερα. Και πράγματι, πριν από περίπου ένα χρόνο, υπήρξε αυτή η δημοσίευση της ιδέας του Google Flu Trends, αναφορικά με τη γρίπη, όπου, παρατηρώντας τι αναζητούν οι άνθρωποι σήμερα, θα μπορούσαμε να ξέρουμε που η γρίπη ... ποια ήταν η κατάσταση της επιδημίας σήμερα, ποια ήταν η εξάπλωση της επιδημίας σήμερα.

Αλλά αυτό που θα ήθελα να σας δείξω σήμερα είναι ένα μέσο με το οποίο θα μπορούσαμε να πάρουμε όχι απλώς ταχεία προειδοποίηση για μια επιδημία, αλλά επίσης πραγματικά έγκαιρη ανίχνευση μιας επιδημίας. Και, στην πραγματικότητα, αυτή η ιδέα μπορεί να χρησιμοποιηθεί όχι απλά στην πρόβλεψη επιδημιών από μικρόβια αλλά επίσης στην πρόβλεψη επιδημιών κάθε είδους. Για παράδειγμα, κάθε τι που εξαπλώνεται με μια μορφή κοινωνικής μετάδοσης θα μπορούσε να γίνει κατανοητό με αυτό τον τρόπο, από αφηρημένες ιδέες στα αριστερά όπως ο πατριωτισμός, ή ο αλτρουισμός, ή η θρησκεία, μέχρι συνήθειες όπως διατροφικές συνήθειες, ή αγορά βιβλίων, ή κατανάλωση αλκοόλ, ή κράνη ποδηλάτων [και] άλλα μέτρα ασφαλείας, ή προϊόντα που οι άνθρωποι ίσως αγόραζαν, αγορές ηλεκτρονικών αγαθών, οτιδήποτε στο οποίο ενυπάρχει ένα είδος διαπροσωπικής εξάπλωσης. Ένα είδος διάχυσης καινοτομίας θα μπορούσε να γίνει κατανοητό και να προβλεφθεί από το μηχανισμό τον οποίο πρόκειται να σας δείξω τώρα.

Λοιπόν, όπως πιθανώς όλοι γνωρίζετε, ο κλασικός τρόπος να σκεφτόμαστε γι' αυτό είναι η διάχυση καινοτομίας, ή η καμπύλη υιοθέτησης. Έτσι εδώ στον άξονα Υ, έχουμε το ποσοστό των ανθρώπων που επηρεάζονται, και στον άξονα Χ, έχουμε το χρόνο. Και ακριβώς στην αρχή, δεν έχουν επηρεαστεί πάρα πολλοί άνθρωποι, και παίρνετε αυτή την κλασική σιγμοειδή, ή σχήματος S, καμπύλη. Και ο λόγος γι' αυτό το σχήμα είναι ότι ακριβώς στην αρχή, ας πούμε ένας ή δυο άνθρωποι έχουν επηρεαστεί, ή μολυνθεί, από τον παράγοντα, και στη συνέχεια επηρεάζουν ή μολύνουν, δυο ανθρώπους, που με τη σειρά τους επηρεάζουν τέσσερις, οκτώ, δεκαέξι κ.ο.κ., και έχετε την επιδημική φάση αύξησης της καμπύλης. Και τελικά, γεμίζετε όλο τον πληθυσμό. Υπάρχουν όλο και λιγότεροι άνθρωποι που ακόμα θα μπορούσατε να μολύνετε, και τότε παίρνετε το πλατώ της καμπύλης, και έχετε αυτή την κλασική σιγμοειδή καμπύλη. Και αυτό ισχύει για μικρόβια, ιδέες, υιοθέτηση προϊόντων, συμπεριφορές, και τα συναφή. Αλλά τα πράγματα δεν διαχέονται απλά στους ανθρώπινους πληθυσμούς τυχαία. Στην πραγματικότητα διαχέονται μέσω δικτύων. Επειδή, όπως είπα, ζούμε τις ζωές μας σε δίκτυα, και αυτά τα δίκτυα έχουν ένα συγκεκριμένο είδος δομής.

Τώρα αν κοιτάξετε ένα δίκτυο σαν αυτό ... Αυτό είναι 105 άνθρωποι. Και οι γραμμές απεικονίζουν ... οι τελείες είναι οι άνθρωποι, και οι γραμμές απεικονίζουν φιλικές σχέσεις. Μπορεί να βλέπετε ότι οι άνθρωποι καταλαμβάνουν διαφορετικές θέσεις μέσα στο δίκτυο. Και υπάρχουν διαφορετικά είδη σχέσεων μεταξύ των ανθρώπων. Θα μπορούσατε να έχετε φιλικές σχέσεις, αδελφικές σχέσεις, συζυγικές σχέσεις, συναδελφικές σχέσεις, γειτονικές σχέσεις και τα συναφή. Και διαφορετικά είδη πραγμάτων εξαπλώνονται κατά μήκος διαφορετικών ειδών δεσμών. Για παράδειγμα, σεξουαλικώς μεταδιδόμενες ασθένειες θα εξαπλώνονται κατά μήκος σεξουαλικών δεσμών. Ή, για παράδειγμα, η καπνιστική συμπεριφορά των ανθρώπων θα μπορούσε να επηρεαστεί από τους φίλους τους. Ή η αλτρουιστική ή η φιλανθρωπική τους συμπεριφορά θα μπορούσε να επηρεαστεί από τους συνεργάτες τους, ή από τους γείτονές τους. Αλλά δεν είναι όλες οι θέσεις μέσα στο δίκτυο ίδιες.

Έτσι αν κοιτάξετε αυτό, θα μπορούσατε αμέσως να αντιληφθείτε ότι διαφορετικοί άνθρωποι έχουν διαφορετικούς αριθμούς συνδέσμων. Μερικοί άνθρωποι έχουν ένα σύνδεσμο, μερικοί έχουν δύο, μερικοί έχουν έξι, μερικοί έχουν δέκα συνδέσμους. Και αυτό ονομάζεται "βαθμός" κόμβου, ή ο αριθμός των συνδέσμων που έχει ένας κόμβος. Αλλά, επιπροσθέτως, υπάρχει κάτι άλλο. Λοιπόν, αν κοιτάξετε τους κόμβους Α και Β, και οι δυο έχουν έξι συνδέσμους Αλλά αν μπορείτε να δείτε αυτή την εικόνα [του δικτύου] από ψηλά, μπορείτε να καταλάβετε ότι υπάρχει κάτι πολύ διαφορετικό σχετικά με τους κόμβους Α και Β. Λοιπον, επιτρέψτε μου να σας ρωτήσω το εξής — Μπορώ να καλλιεργήσω αυτή τη διαίσθηση κάνοντας μια ερώτηση — ποιος θα προτιμούσατε να είστε αν ένα θανατηφόρο μικρόβιο εξαπλωνόταν μέσω του δικτύου, ο Α ή ο Β; (Κοινό: ο Β) Νικόλας Χριστάκης: ο Β, είναι προφανές. Ο Β είναι τοποθετημένος στην άκρη του δκτύου. Τώρα, ποιος θα προτιμούσατε να είστε αν ένα ζουμερό κουτσομπολιό εξαπλωνόταν μέσω του δικτύου; Ο Α. Και έχετε μια άμεση εκτίμηση ότι ο Α είναι πιο πιθανό να πάρει αυτό που εξαπλώνεται και να το πάρει γρηγορότερα λόγω της δομικής του θέσης μέσα στο δίκτυο. Ο Α, στην πραγματικότητα, είναι πιο κεντρικός, και αυτό μπορεί να επικυρωθεί μαθηματικά. Έτσι, αν θέλαμε να εντοπίσουμε κάτι που εξαπλωνόταν μέσω ενός δικτύου, το ιδανικό θα ήταν να βάλουμε αισθητήρες στα κεντρικά άτομα μέσα στο δίκτυο, συμπεριλαμβανομένου του κόμβου A, να παρακολουθούμε εκείνους τους ανθρώπους που είναι ακριβώς εκεί στη μέση του δικτύου, και με κάποιο τρόπο να έχουμε μια έγκαιρη ανίχνευση από οτιδήποτε κι αν είναι αυτό που εξαπλώνεται μέσω του δικτύου.

Ο Νικόλας Χρηστάκης είναι καθηγητής ιατρικής και ιατρικής κοινωνιολογίας στο Πανεπιστήμιο Χάρβαντ, το 2009 συμπεριλήφθηκε από το «TIME» στον κατάλογο των εκατό προσωπικοτήτων με τη μεγαλύτερη επιρροή στον πλανήτη.

Η συνέχεια εδώ: Ν. Χρηστάκης - Πώς τα κοινωνικά δίκτυα προβλέπουν επιδημίες |Braining.gr

https://braining.gr