Según el Centro de Investigaciones Sociológicas (CSIC), uno de cada tres españoles utiliza internet para buscar información sobre temas de salud. Es la misma proporción de los que realizan gestiones (de tipo financiera o administrativas). Son algo más numerosos (40%) los que utilizan internet para participar en redes sociales o realizar descargas. El acceso al correo electrónico (74%) y la lectura de noticias (61%) lideran el ranking de usos de internet. Todos estos datos están recogidos en el Barómetro del mes de Junio donde también nos cuentan que tres de cada cuatro personas encuestadas valoraban las ventajas que tiene el uso de internet en el progreso científico y tecnológico porque se traducen “en una mejora de la calidad de vida”.
Esta información nos vienen a confirmar algo que ya sabíamos: salud y ciencia son dos disciplinas con gran acogida tanto en internet en general como en las redes sociales en particular. Si no ven clara esta asociación, le pueden 
preguntar por este tema a Adam Sadilek porque, ahí donde lo ven, mientras el CSIC recogía los datos del Barómetro, este profesor de la Universidad de Rochester (Nueva York, EE.UU) analizaba la nada despreciable cifra de 4,4 millones de tuits publicados en las cuentas de 600.000 tuiteros. Lo que no sé es si les recomendaría utilizar Twitter para la consulta a Sadilek dada la actividad que muestra en su cuenta (290 tuits). Anécdotas al margen, lo que queda claro es que para este análisis no sólo utilizó la ayuda de sus colaboradores, sino que restringió la información a los comentarios emitidos durante un único mes del año 2010. El objetivo de este investigador era el de validar el potencial del algoritmo utilizado por esta red social como termómetro para vaticinar enfermedades, en este caso la gripe. Una cuestión, la del uso del algoritmo como predicción, que ya exploró Google con Google Flu (una aplicación del buscador que muestra en tiempo real la evolución de la gripe en todo el mundo). La diferencia en este caso, según Sadilek es que los comentarios que compartimos con nuestros amigos 
son un contenido más fiable a la hora de analizar las tendencias. Dado que la mayoría de los tuits contiene algún dato de geolocalización, los tuits analizados se ubicaron en un mapa de manera que mostrase las probabilidades de contagio. El algoritmo demostró funcionar de manera correcta en el 90% de los casos en los que fue capaz de predecir cuando una persona tiene gripe con 8 días de antelación a la aparición de los primeros síntomas. Pese al elevado nivel de aciertos de este estudio, habría que tomarse estos diagnósticos “con salud” ya que, siguiendo con la investigación de Sadilek, no todas las personas que enferman lo comparten en un tuit, las zonas con menores recursos económicos tienden a compartir menos esta información o simplemente hay tuits que contienen la palabra enfermo que expresan otras situaciones. En realidad, el análisis de la relevancia semántica de los contenidos publicados en las redes sociales a través de inteligencia artificial está lejos de ser una realidad. El lenguaje humano es capaz de formular ironías, términos con doble sentido o frases con contenido humorístico que distorsionan no sólo las fórmulas desarrollados por los científicos, sino los mismos algoritmos que utilizan las redes. Tal y como tuiteaba hace un par de días @rpicallo a raiz de un análisis semántico sobre el sentimiento patriótico de los
americanos durante los Juegos Olímpicos: “para que se pudiera hacer un estudio de estos en condiciones el sistema debería analizar el significado de palabras según contexto. Web 3.0”. Dejando al margen los síntomas de fiebre, estornudos, dolor de cabeza y malestar general, será muy interesante observar como evolucionan estos análisis semánticos de contenidos de las redes sociales. En especial cuando se puedan cruzar datos en tiempo real de los contenidos que, ya sea estando enfermos, o sanos, compartimos en las diferentes redes. Y será aún más interesante observar como evolucionan los algoritmos de las plataformas que ahora se construyen creando irrealidades en base a construcciones semánticas absurdas como las de los “misteriosos y anhelados" TT de Twitter (trending topics).
