[論文レビュー] A decision support system for optimizing the cost of social distancing in order to stop the spread of COVID-19

Alexandru Popa|arXiv (Cornell University)|Apr 6, 2020

COVID-19 epidemiological studies参考文献 2被引用数 5

ひとこと要約

本論文は、感染拡大を最小限に抑えつつ経済的影響を軽減するため、施設の閉鎖や集団の隔離などの費用対効果の高い社会的距離の取り方を特定するための意思決定支援システムを提案する。この手法は、問題をNP困難な最適化タスクとして定式化し、ヒューリスティックなアルゴリズムを開発した。シミュレーションの結果、全施設閉鎖に要する予算の1%の割合で、介入なしの場合と比較して感染リスクを80%以上削減できることが示された。

ABSTRACT

Currently there are many attempts around the world to use computers, smartphones, tablets and other electronic devices in order to stop the spread of COVID-19. Most of these attempts focus on collecting information about infected people, in order to help healthy people avoid contact with them. However, social distancing decisions are still taken by the governments empirically. That is, the authorities do not have an automated tool to recommend which decisions to make in order to maximize social distancing and to minimize the impact for the economy. In this paper we address the aforementioned problem and we design an algorithm that provides social distancing methods (i.e., what schools, shops, factories, etc. to close) that are efficient (i.e., that help reduce the spread of the virus) and have low impact on the economy. On short: a) we propose several models (i.e., combinatorial optimization problems); b) we show some theoretical results regarding the computational complexity of the formulated problems; c) we give an algorithm for the most complex of the previously formulated problems; d) we implement and test our algorithm; and e) we show an integer linear program formulation for our problem.

研究の動機と目的

• 政府が最適な社会的距離の取り方を自動的に決定できるツールの不足に対処すること。
• ロックダウンに伴う経済的混乱を軽減しつつ、感染拡大を最小限に抑えること。
• 大規模な社会的距離の計画に適した計算効率の良いアルゴリズムを設計すること。
• 公衆衛生的コストと経済的コストのバランスを取れる意思決定フレームワークを提供すること。

提案手法

• 問題は、ノードが個人を表し、エッジが接触確率を表す完全グラフ上の組合せ最適化タスクとしてモデル化される。
• 各個人にはリスク値と感受性値が関連付けられ、各施設にはコストと接触確率の低減要因が関連付けられる。
• 中心的な問題は、予算制約の下で全人口のリスクを最小化するNP困難な最適化タスクとして定式化される。
• NP困難問題を効率的に解くためのヒューリスティックな多項式時間アルゴリズムが提案される。
• 完全性のための整数線形プログラミング（ILP）定式化が提示されるが、これは小規模データセットでのみ実行可能である。
• シミュレーションでは、現実の社会的ネットワークと施設コストをモデル化するため、パワー則分布を用いた合成データが使用される。

実験結果

リサーチクエスチョン

• RQ1 固定された予算の下で、学校や工場の閉鎖などの社会的距離の取り方は、どのように感染拡大を最小限に抑えるか？
• RQ2 リアルタイム意思決定において、公衆衛生的影響と経済的コストのトレードオフをどのように最適化できるか？
• RQ3 全コストの1%程度の小さな予算でも、介入なしの場合と比較して感染リスクを顕著に低減できるか？
• RQ4 ネットワーク構造やコスト分布の変化に対して、アルゴリズムの性能はどのように変化するか？
• RQ5 この問題を正確に解くことは計算的に可能か？また、ヒューリスティック手法の有効性はいかがなものか？

主な発見

• 全施設を閉鎖するにあたり必要な総コストの1%の割合でのみ、アルゴリズムが介入なしの場合と比較して人口の感染リスクを80%以上削減した。
• 10%の予算でも、リスクは元の水準の20%未満にまで低下し、高い効率性が示された。
• 正規分布（μ=1.1、σ=0.4または0.5）を含む多様なコスト分布に対しても、アルゴリズムは良好な性能を示した。
• 感染割合がパワー則分布に従う場合、パワー則の指数α₂が全体のリスクにほとんど影響を与えないことが判明した。
• ヒューリスティックアルゴリズムは効果的にスケーリング可能であり、大規模な合成ネットワークへの実用的導入が可能である。
• ILP定式化は完全性のため提示されたが、大規模な現実世界の応用には計算的に非現実的である。