[論文レビュー] Analysis and Control of Epidemics: A survey of spreading processes on complex networks

Cameron Nowzari, Víctor M. Preciado+1 more|arXiv (Cornell University)|May 4, 2015

Complex Network Analysis Techniques参考文献 155被引用数 62

ひとこと要約

この論文は、平均場近似とマコフ過程を用いた複雑ネットワーク上の決定的および確率的感染症モデルについて、SIR、SIS、および多病原体ダイナミクスに焦点を当てて調査する。感染拡大の緩和に向けた制御戦略を提示し、ネットワーク化された感染症制御における未解決問題を特定する。応用範囲は、病気の伝播にとどまらず、情報伝播やマルウェアの拡散にも広がる。

ABSTRACT

This article reviews and presents various solved and open problems in the development, analysis, and control of epidemic models. We are interested in presenting a relatively concise report for new engineers looking to enter the field of spreading processes on complex networks.

研究の動機と目的

• 制御および最適化分野の研究者を対象に、複雑ネットワークにおける伝搬プロセスのモデリングと制御について、チュートリアル的入門を提供すること。
• 制御理論および最適化のツールを用いて解決可能な、感染症制御における未解決問題を特定・強調すること。
• 古典的感染症モデル（SIR、SIS）を、パラメータの非一様性や時間変動構造を持つネットワーク的・多病原体的状況に拡張すること。
• 社会的ネットワーク、サイバーセキュリティ、製品の採用など、疫学をはるかに超えた分野へのこれらのモデルの広範な適用可能性を示すこと。
• 現在のモデルの限界を分析し、ネットワーク化感染症制御分野における今後の研究の方向性を提案することで、今後の研究の基盤を築くこと。

提案手法

• 通常微分方程式を用いて、各状態（S、I、R）に属するノードの割合を時間経過で近似する平均場決定的近似を用いる。
• 連続時間マコフ過程を用いて、感染および回復率に基づく個々のノードの状態遷移を確率的かつ個別にモデル化する。
• ノードが2つの競合する病原体のいずれかに感染可能な、$SI_1SI_2S$ モデルのような多病原体モデルを導入する。各病原体には別個の伝播率および回復率が設定される。
• 隣接行列 $A$ を用いてネットワークのトポロジーを表現し、感染率を感染済みの隣接ノード数に応じて $\beta_i^1 Y_i^1$ および $\beta_i^2 Y_i^2$ と定式化する。
• 時間変動するネットワークモデルを分析し、その複雑さと現在の研究の限界を認識しつつ、動的ネットワーク構造に関する最近の研究を参照する。
• 特に制御および最適化の文脈において、戦略的行動を分析するためのゲーム理論的視点を一部のモデルに組み込む。

実験結果

リサーチクエスチョン

• RQ1 古典的感染症モデル（SIR、SIS）は、どのようにネットワーク化・非一様的・時間変動的環境に拡張できるか？
• RQ2 特性が異なるノードを有する複雑ネットワークにおいて、感染拡大を効果的に低減または制御するための戦略は何か？
• RQ3 共通のネットワーク内で競合する感染症はどのように相互作用し、共存または排除の条件は何か？
• RQ4 時間変動する接触ネットワークのモデリングにおける主な課題は何か？
• RQ5 制御および最適化理論は、現実の感染症介入戦略の改善にどのように応用できるか？

主な発見

• 決定的 $SI_1SI_2S$ モデルは、各ノードの感受性割合 $p_i^S$ が、いずれの病原体からの感染によって減少し、いずれの感染状態からの回復によって増加することを特徴とする常微分方程式系で記述される。
• 各病原体の感染ダイナミクスは $\dot{p}_i^{I_1} = p_i^S \sum_j a_{ij} \beta_i^1 p_j^{I_1} - \delta_i^1 p_i^{I_1}$ で支配され、$I_2$ に対しても同様の式が成り立つ。これは局所的な感染圧の役割を示している。
• 多病原体モデルは、伝播率や回復率の差が著しい場合、感染の相互排除が一般的であることを明らかにした。
• 静的ネットワークモデルに関する広範な研究がある一方で、時間変動するネットワークモデルは依然として未発達であり、その分析を扱い始めた初期の研究しか存在しない。
• 伝搬プロセスへのゲーム理論的モデルの応用は、まだ発展途上の分野であり、特に制御および最適化の文脈においては未だ十分に探求されていない。
• 同様の数学的枠組みは、病気の伝播をはるかに超えて、情報拡散、マルウェアの伝播、製品の採用などに応用可能であり、モデルの広範な適用可能性を強調している。