Come andrà un’influenza lo prevede Twitter. Il quale, opportunamente mescolato con una serie di parametri classici, si può trasformare in un formidabile strumento nelle mani degli epidemiologi e dei virologi, grazie alla piattaforma di algoritmi ideati da Alessandro Vespignani, il fisico italiano esperto di reti che dirige il Network Science Institute della Nothwestern University di Boston.

Vespignani ha infatti dimostrato che, unendo le informazioni contenute nei tweet che parlano dei sintomi (ho la febbre alta, ho mal di testa, ho dolori muscolari e così via) con elementi quali il tipo di ceppo presente, la sua capacità di infettare e il suo periodo di incubazione, il livello di vaccinazione della popolazione in una certa zona, e sfruttando la localizzazione gps del social della zona di interesse, si possono elaborare stime che battono sul tempo – e di gran lunga – quelle ufficiali, che giocoforza si basano sulla segnalazione ai medici e sulla notifica di questi ai centri di sorveglianza. In un confronto diretto con il monitoraggio ufficiale, non c’è stata gara: il sistema di Vespignani ha sempre vinto, descrivendo con elevatissima precisione l’andamento dell’infezione almeno una settimana prima delle reti classiche.

Le stime integrate con twitter servono poi per prevedere che cosa succederà: grazie a esse, è infatti possibile elaborare strategie di contenimento, prevenzione e cura, avvisare la popolazione, predisporre quanto necessario in anticipo, così come ipotizzare il picco, le dimensioni dello stesso e le contromisure più efficaci. Il tutto con un’accuratezza che va dal 70 al 90% fino a sei settimane prima che gli eventi si verifichino.

Lo studio, che ha vinto il Best Paper Honorable Mention Award della International World Wide Web Conference 2017 (oltre 400 le candidature), fa in realtà parte di un progetto iniziato nel 2013, anno in cui Vespignani ha raccolto l’invito dei Centers for Diseases Control and Prevention di Atlanta contenuto nel bando “Prevent the Influenza Season Challenge” .

In questi anni il ricercatore ha elaborato previsioni molto accurate delle stagioni influenzali 2014-2015 e 2015-2016 in Italia, Spagna e Stati Uniti, raccogliendo settimanalmente le informazioni di Twitter e inserendole nel suo algoritmo, che ha funzionato ugualmente bene nei tre paesi.

La piattaforma, inoltre, opportunamente adattata, ha funzionato anche per Zika (all’epoca delle Olimpiadi in Brasile e in seguito) e per Ebola, ed è stata la base per un altro progetto molto importante di Vespignani, che permette di avere stime e previsioni a partire da un singolo malato. L’occasione è giunta da un caso di peste, che aveva colpito un turista del Parco di Yellostone nell’estate 2015, e il modello potrebbe essere molto utile in caso di spillover, cioè di passaggio da specie animali di virus e in generale germi di solito non presenti nell’uomo.