Avaliação da Credibilidade das Informações de Saúde Online

Nos últimos tempos, teve um aumento gigante na quantidade de informação na internet gerada por usuários. Esse crescimento fez com que várias desinformações se espalhassem, especialmente em assuntos relacionados à saúde. O desafio de lidar com informações falsas é importante e já foi analisado de várias formas, desde encontrar notícias falsas até lidar com manipulação de opiniões. Uma área que ganhou atenção é a distribuição de informações sobre saúde na internet.

Muitos esforços iniciais para lidar com desinformação focaram em como os usuários interagem com o conteúdo da web. No entanto, novos métodos automatizados surgiram, especialmente desde o começo da pandemia de COVID-19. Esses métodos geralmente dependem de características tiradas do próprio conteúdo da web e usam técnicas de Aprendizado de Máquina. Aqui, nosso foco é no conteúdo relacionado à saúde nas páginas web, onde a pesquisa ainda pode ajudar a identificar o que faz uma página ser confiável ou não.

#Detecção de Desinformação em Saúde

Esse trabalho tem como objetivo melhorar como avaliamos a confiabilidade das páginas de saúde na web. Para isso, vamos usar um método chamado Web2Vec, que inicialmente foi usado para detectar páginas de phishing. O Web2Vec cria uma representação especial das páginas web analisando sua estrutura, conteúdo e links. Vamos aplicar essa representação para ajudar a identificar se as informações de saúde são confiáveis.

Um problema principal é que muitas pessoas têm dificuldade em entender informações sobre saúde, especialmente quando há poucos especialistas médicos disponíveis online para ajudar. Isso cria uma necessidade de soluções automatizadas para ajudar a avaliar a qualidade do conteúdo de saúde encontrado na web.

#Trabalhos Relacionados

Ao examinar o problema de avaliar páginas web relacionadas à saúde, existem várias abordagens a considerar. Vários estudos analisaram como os usuários avaliam a confiabilidade das informações de saúde online, geralmente focando nas interações com os usuários através de questionários ou outros métodos.

Fatores que influenciam como os usuários avaliam as informações incluem a fonte do conteúdo, a forma como a informação é apresentada e sua relevância. Os usuários frequentemente têm sentimentos mistos em relação a experiências pessoais e informações factuais. Algumas pessoas se concentram mais em "fatos" objetivos, enquanto outras podem sentir que há um desequilíbrio na forma como certos fatos são apresentados.

Do lado automatizado, estudos recentes usaram dados de várias fontes para avaliar a confiabilidade de páginas médicas. Técnicas foram desenvolvidas focando em aspectos de qualidade, como precisão, Credibilidade e atualidade. Alguns métodos utilizam características existentes, como a estrutura de uma página e a presença de certos links, para determinar credibilidade.

#Web2Vec: Uma Nova Abordagem

O modelo Web2Vec usa uma representação combinada da URL de uma página web, seu conteúdo e sua estrutura. Ele emprega uma abordagem híbrida usando uma Rede Neural Convolucional (CNN) e um modelo chamado BiLSTM. Essa combinação serve para extrair características importantes ao analisar a página web em diferentes níveis.

O processo começa com a análise da página HTML para coletar vários elementos: os links, o conteúdo e a estrutura. O conteúdo é dividido em sequências significativas, enquanto os links são analisados para entender como eles se conectam a outras páginas. A representação é construída a partir desses elementos.

Para a representação do conteúdo, é usada uma camada de embedding pré-treinada para incorporar conhecimento sobre termos médicos. Isso visa tornar o modelo mais eficaz em entender conteúdo relacionado à saúde.

#Extração de Características

A parte de extração de características usa uma CNN para identificar características locais dos dados. A CNN é estruturada para incluir uma camada de convolução, que encontra padrões, e uma camada de pooling, que ajuda a reduzir a quantidade de dados enquanto mantém as partes importantes.

A camada BiLSTM processa essas informações em ambas as direções, permitindo que mantenha a ordem e os relacionamentos entre os dados. Isso significa que pode considerar o contexto da informação, que é importante para identificar credibilidade com precisão.

Para evitar overfitting durante o treinamento, técnicas como dropout e regularização são usadas. Isso ajuda a garantir que o modelo aprenda a generalizar a partir dos dados de treinamento e não apenas a memorizar.

#Dados Usados para Avaliação

Neste trabalho, avaliamos a eficácia da abordagem Web2Vec usando vários conjuntos de dados. No entanto, encontrar conjuntos de dados de saúde disponíveis publicamente com classificações de credibilidade pode ser desafiador. Um conjunto de dados considerado inclui páginas web de diferentes áreas, como saúde, finanças e política, cada uma classificada quanto à credibilidade em uma escala.

Outro conjunto de dados foi uma coleção equilibrada de páginas web confiáveis e não confiáveis. Neste caso, fontes confiáveis foram selecionadas de sites de saúde acreditados, enquanto as não confiáveis foram descobertas através de pesquisas.

Um terceiro conjunto de dados focou especificamente em tópicos de eHealth, onde as classificações foram convertidas em um sistema binário para classificar páginas como credíveis ou não credíveis.

#Linhas de Base e Medidas

Para entender como o modelo Web2Vec se sai, ele é comparado com soluções existentes na área. Vários modelos de linha de base foram identificados: estes incluem métodos que focam apenas em características de texto e aqueles que utilizam múltiplos tipos de características.

Medidas-chave para avaliar o desempenho do modelo incluem precisão, medida F1 e Área Sob a Curva (AUC). Essas medidas são comumente usadas em estudos que lidam com detecção de desinformação e avaliação de credibilidade.

#Resultados e Discussão

Os resultados mostram quão eficaz é a abordagem Web2Vec em identificar desinformação em saúde. Quando comparado a métodos de linha de base, nosso modelo demonstrou um desempenho forte na detecção de informações de saúde confiáveis.

Em particular, adicionar os embeddings médicos pré-treinados e considerar a estrutura e os links das páginas web melhorou significativamente a precisão do modelo. A análise mostrou que estar ciente do contexto e do significado semântico do conteúdo desempenha um papel crucial em aumentar a confiança em páginas web relacionadas à saúde.

Esse trabalho marca um passo importante na compreensão de como estruturar e construir modelos para lidar com desinformação em tópicos de saúde. As descobertas sugerem que investigações futuras não devem se concentrar apenas em texto, mas também considerar como características estruturais e conhecimento externo podem melhorar a qualidade das informações de saúde online.

#Conclusão

A disseminação de desinformação, especialmente em áreas relacionadas à saúde, representa um sério desafio. Ao usar a abordagem Web2Vec, mostramos que é possível desenvolver sistemas automatizados que classificam efetivamente o conteúdo de saúde como confiável ou não. Este modelo fornece uma base para pesquisas futuras sobre a identificação dos elementos mais eficazes na determinação da confiança das informações de saúde online.

Trabalhos continuados nessa área podem levar a melhores ferramentas para usuários em busca de informações de saúde confiáveis em um ambiente online complexo. Estudos futuros poderiam explorar mais a fundo como várias características, tanto estruturais quanto contextuais, podem aprimorar a precisão da detecção de desinformação, especialmente em um campo tão crítico como a saúde.