感谢译趣网社区的投递 如果你最近在公共场所漫步，你可能已经接触了很多人。而他们其中的一些人可能病了，如果你还是无所事事的，充分接触那些咳嗽和打喷嚏的人，你可能也要生病了。这听起来是显而易见的，但是纽约罗切斯特大学的Adam Sadilek和他的同事们通过对纽约人们中的Twitter 数据分析，产生了一个想法，他们发现可以在一个人患上流感的8天前就能显现他的症状。 这个想法和谷歌流感趋势的想法很相近，他们通过在搜索引擎上跟踪人们搜索“流感”和相关术语频率，并根据这些信息来更新去发现在哪个地方发生流感，已经流感如何的传播。 是否这个服务能下放到每个个体的水平上，Sadilek和他的团队在2010年经过一个月时间对在纽约城中630000个用户通过GPS定位分析了440万的Twitter消息。 他们通过编写一个机器学习的算法来分辨Twitter消息哪个是来自于健康的人——他们可能会说"我讨厌交通!”——一些生病的人会显示一些流感的迹象。基于他们的发现这个视频显示的是在过去的一天流感发病的热度地图。 研究人员有能力去预测什么时候健康的人们将要生病—通过Twitter消息—在未来的八天里大约有90%的准确率。 这个系统在一些方面还是有限的。例如它忽略了很多疾病的病例，因为人们不能依靠Twitter消息来显示他们症状。除了接触过患者，还有很多生病的因素需要考虑。 Sadilek正在处理一下令人迷惑的原因。在没发表的发现里描述了昨天在加拿大多伦多召开的人工智能会议上对《新科学家》的采访，他们的团队表明，那些定期去健身房的人较少的生病。另一方面，社会经济地位低的人，也更容易生病。 这些信息可能在将来的某一天能运用到智能手机程序上，当你进入一个流感发病率高的公共场所里，程序将要给你提出警告。或者某一天，当你开门的时候，消息提醒你，在接下来的几天里，你将有很高的患病风险。
