Las noticias falsas pueden confundir a muchas personas en el ámbito de la política, la cultura, la salud, etc. Las noticias falsas se refieren a noticias que contienen contenidos engañosos o fabricados que en realidad carecen de fundamento; son intencionalmente exageradas o proporcionan información falsa. Como tal, las noticias falsas pueden distorsionar la realidad y causar problemas sociales, como la autoevaluación errónea de problemas médicos. Muchos investigadores académicos han estado recopilando datos de las redes sociales y los medios médicos, que son fuentes de diversos flujos de información, y realizando estudios para analizar y detectar noticias falsas. Sin embargo, en el caso de los estudios convencionales, las características utilizadas para el análisis son limitadas, y falta consideración por las características recién agregadas de las redes sociales. Por lo tanto, este estudio propone un método de modelado de análisis de noticias falsas identificando una variedad de características y recopilando diversos datos de Twitter, una plataforma de redes sociales con mucho poder en términos de difusión de información. El método propuesto en este estudio puede aumentar la precisión del análisis de noticias falsas al adquirir más información potencial de la función de Cita Retweet agregada a Twitter en 2015, en comparación con el Retweet más convencional y común. Además, las noticias falsas fueron analizadas a través de un modelo de clasificación basado en redes neuronales utilizando los datos preprocesados y las mejores características identificadas en los datos de aprendizaje. En los resultados de rendimiento, utilizando el clasificador basado en redes neuronales, el modelo de clasificación que también utilizó Quote Retweet mostró una mejora en el rendimiento en comparación con los métodos convencionales, y se confirmó que las mejores características identificadas tuvieron un impacto significativo en aumentar la precisión de clasificación de noticias falsas.