加拿大 Waterloo 大学的 applied mathematics 教授 Chris Bauch 及其团队开发出一种新方法，可利用社交媒体数据提前预测疾病暴发风险。随着疫苗接种率下降，麻疹等曾被控制的传染病正在美国和加拿大多地重现。该研究通过分析社交媒体上的言论，识别出疫苗怀疑情绪上升的早期信号，为公共卫生部门提供更早预警。 这项发表于《数学生物工程》期刊的研究名为《基于社交媒体疫苗态度预测传染病暴发风险：一种数据驱动的动力系统方法》。Bauch指出，疾病传播与虚假信息在网络中的扩散具有相似的数学机制——都属于“临界点”现象，即系统在某一时刻突然发生剧烈转变。 团队运用机器学习模型，结合“临界点”理论分析了2014年加州爆发麻疹前数月在 X（原Twitter）平台上的数十万条公开帖子。传统方法仅统计反对疫苗的推文数量，预警时间极短；而新方法通过捕捉群体态度演变中的临界信号，显著提升了预测提前量，能更早发现潜在风险。 研究人员还将加州的数据与同期未发生疫情的相似地区进行对比，验证了该模型的准确性。该方法不仅适用于文本为主的平台，未来也可拓展至 TikTok、Instagram 等以图像和视频为主的社交网络，但需更强的计算能力来处理多媒体内容。 Bauch表示，该技术最终目标是为公共卫生部门提供实时监测工具，识别出最可能因群体免疫崩溃而发生暴发的高风险社区。这项研究体现了 Waterloo 大学推动基于证据的决策与重建公众对科学信任的愿景，也是该校“社会未来”网络与“TRuST”倡议的重要成果，汇聚哲学、计算机科学、传播学与伦理学等多领域专家，共同应对科学信任危机。 该研究展示了应用数学在公共卫生领域的强大潜力，为应对未来疫情威胁提供了新的量化工具。