Come può un'intelligenza artificiale smascherare le fake health news?

Nel mondo digitale di oggi, notizie sulla salute si diffondono in un lampo su Instagram, TikTok e forum. Tra consigli su diete miracolose e rimedi “naturali” per curare malattie, è facile incappare in informazioni false. Un team di ricercatori ha creato un nuovo sistema basato su Transformer, una rete neurale che elabora testo e immagini contemporaneamente. Il modello usa due flussi: uno analizza il testo, l'altro le immagini, e poi li combina per capire se c'è un conflitto tra parole e foto. Per riconoscere i simboli ingannevoli – come icone di “cure” o parole chiave fuorvianti – hanno costruito un lessico speciale dedicato alla salute. Il testo viene trasformato in un grafo, dove le parole sono nodi collegati da relazioni di dipendenza, e il modello misura quanto questi simboli “driftano” dal loro significato reale. Grazie a un meccanismo di attenzione incrociata e a tecniche di apprendimento contrastivo, il sistema allinea meglio le informazioni testuali e visive. I test su un enorme dataset multimodale hanno mostrato che questo approccio supera i metodi tradizionali sia nel prevedere il click‑through rate che nel classificare correttamente le notizie false. In pratica, l'IA diventa un detective digitale, capace di scovare discrepanze tra ciò che leggiamo e ciò che vediamo, aiutando a proteggere la salute pubblica da notizie ingannevoli.

Il modello proposto si basa su un'architettura Dual‑Stream Transformer, dove ciascun flusso è costituito da più strati di self‑attention. Il flusso testuale utilizza un Symbol‑Aware Text Graph Neural Network (GNN) che rappresenta le parole come nodi in un grafo diretto, con archi che codificano le dipendenze sintattiche estratte da un parser di dipendenza. Il lessico di simboli sanitari è stato costruito mediante l'analisi di corpora medici e social, identificando termini e icone ricorrenti associati a claim fuorvianti. Per quantificare il "symbol drift", si calcola la distanza cosine tra l'embedding del simbolo corrente e il suo embedding medio storico, normalizzato su una finestra temporale. Questo valore di drift viene concatenato al vettore di nodo prima dell'aggregazione GNN. Il flusso visivo impiega un Vision Transformer (ViT) pre‑addestrato su ImageNet, seguito da una proiezione lineare per allineare le dimensioni con il flusso testuale. La fusione cross‑modal avviene tramite un meccanismo di bidirectional cross‑attention, dove query, key e value provengono da entrambi i flussi, permettendo al modello di pesare dinamicamente le informazioni più rilevanti. Inoltre, è stato introdotto un loss contrastivo che spinge le rappresentazioni di coppie testo‑immagine coerenti a vicinanza nello spazio latente, mentre separa quelle incoerenti. L'addestramento è stato effettuato su un dataset multimodale di oltre 1,2 milioni di post, con etichette di veridicità verificate da fact‑checkers. Gli esperimenti mostrano un aumento medio del 7,4% in AUC rispetto ai baseline, confermando l'efficacia del modeling del drift simbolico e della fusione cross‑modal.