加州大學河濱分校的計算機科學家正在開發工具來幫助跟蹤和監控新冠肺炎癥狀，并篩選社交媒體上有關該疾病的錯誤信息。

　　使用谷歌趨勢數據，由馬蘭和羅斯瑪麗伯恩斯工程學院副教授開發了一種算法，該算法確定了新冠肺炎獨有的三種癥狀：舌頭味覺功能喪失，呼吸急促，嗅覺喪失。

　　使用谷歌流感趨勢的大部分工作都集中在預測流感季節，另一方面，我們用它來看看我們是否能在大海撈針中找到一根針：在人們尋找的所有流感樣癥狀中，新冠肺炎獨有的癥狀。

　　研究人員在2019年和2020年的Google趨勢中定位了癥狀，并使用一種DNA的技術來提取數據集。

　　假設2019年的癥狀搜索會導致流感或其他呼吸系統疾病，而2020年搜索相同癥狀的可能兩者皆有，使用DNA，我們能夠找到兩個數據集之間的差異。這恰好是臨床醫生已經確定為新冠肺炎獨有的術語，表明我們的方法有效。

　　Papalexakis和Chen預計他們的工作，將幫助流行病學家和其他公共衛生專家，使用谷歌趨勢作為醫院數據的代理來跟蹤和監控新冠肺炎。

　　谷歌趨勢數據非常嘈雜，但醫院數據不公開。人們搜索癥狀可能是因為他們正在經歷這些癥狀，或者因為他們聽說過這些癥狀并想了解更多，搜索比積極體驗癥狀的人更能反映對癥狀的興趣，但鑒于缺乏其他數據，該工具可以幫助研究人員更好地了解癥狀。

　　該算法簡單易行，作為一種潛在工具的一部分，可以幫助研究其他疾病的科學家了解潛在癥狀。

　　從Google趨勢數據中發現新冠肺炎癥狀的判別性知識發現，發表在2021年的EpiDAMIK研討會上，該研討會是一個關于推進流行病學知識的數據挖掘研討會。該研討會是作為最大的年度數據科學會議、計算機協會或ACM的一部分組織的。

　　Papalexakis和加州大學河濱分校的博士生WilliamShiao也在開發一種工具，該工具不僅可以識別新冠肺炎的錯誤信息，還可以說明為什么這些與有關冠狀病毒相關聯的數據被標記為虛假信息。

　　Papalexakis和Shiao使用了白宮和一個研究小組聯盟準備的新冠肺炎開放研究數據集挑戰新冠肺炎中的90,000篇文章，并收集了20,000篇關于新型冠狀病毒的錯誤信息的“野外”文章。使用他們稱為KI2TE的基于相似性矩陣的嵌入方法，將文章鏈接到一組參考文檔并進行解釋。用于參考的文件是新冠肺炎數據集中包含的一組有關冠狀病毒研究的學術論文。

　　當對被人類標記為虛假或被GoogleFactCheck識別為虛假的文章進行測試時，他們的方法不僅正確識別了虛假故事，而且還指出了證實系統決策的科學來源。

　　盡管Papalexakis和Shiao開發的工具是一個正在積極研究開發的原型，但它最終可能會被整合到智能手機應用程序或Facebook等社交媒體平臺中。