[論文レビュー] Forecasting and evaluating intervention of Covid-19 in the World

Zixin Hu, Qiyang Ge+4 more|arXiv (Cornell University)|Mar 22, 2020

COVID-19 epidemiological studies参考文献 9被引用数 25

ひとこと要約

本研究では、2020年3月16日までのWHO監視データを用いて、COVID-19の世界的な感染拡大の動態を予測・評価するAIにインspiredされた改変オートエンコーダー・モデルを開発した。結果から、公衆衛生的対策の遅延が1か月であると、ピーク時の累積症例数が166.89倍に増加し、死亡者数が53,560人から8,900万人に増加することが示された。これは、破滅的結果を防ぐために即時の行動が不可欠であることを強調している。

ABSTRACT

When the Covid-19 pandemic enters dangerous new phase, whether and when to take aggressive public health interventions to slow down the spread of COVID-19. To develop the artificial intelligence (AI) inspired methods for real-time forecasting and evaluating intervention strategies to curb the spread of Covid-19 in the World. A modified auto-encoder for modeling the transmission dynamics of the epidemics is developed and applied to the surveillance data of cumulative and new Covid-19 cases and deaths from WHO, as of March 16, 2020. The average errors of 5-step forecasting were 2.5%. The total peak number of cumulative cases and new cases, and the maximum number of cumulative cases in the world with later intervention (comprehensive public health intervention is implemented 4 weeks later) could reach 75,249,909, 10,086,085, and 255,392,154, respectively. The case ending time was January 10, 2021. However, the total peak number of cumulative cases and new cases and the maximum number of cumulative cases in the world with one week later intervention were reduced to 951,799, 108,853 and 1,530,276, respectively. Duration time of the Covid-19 spread would be reduced from 356 days to 232 days. The case ending time was September 8, 2020. We observed that delaying intervention for one month caused the maximum number of cumulative cases to increase 166.89 times, and the number of deaths increase from 53,560 to 8,938,725. We will face disastrous consequences if immediate action to intervene is not taken.

研究の動機と目的

• AIにインスパイアされた手法を用いて、世界的なCOVID-19の拡大のリアルタイム予測および干渉評価ツールを開発すること。
• 2020年3月16日現在のWHOの累積および新規症例・死亡者データを用いて、SARS-CoV-2の感染拡大動態をモデル化すること。
• 公衆衛生的干渉の遅延がパンデミックのピーク、期間、死亡率に与える影響を評価すること。
• 包括的干渉の1か月間の遅延がもたらす結果を定量化すること。
• パンデミックの深刻度を軽減するため、即時の公衆衛生的行動を支援する根拠に基づく緊急性を提供すること。

提案手法

• 非線形の感染拡大動態をモデル化するため、改変オートエンコーダー・アーキテクチャが設計された。
• モデルは、2020年3月16日までのWHOが報告した累積症例および新規症例・死亡者データを用いてトレーニングされた。
• 予測精度および干渉の影響を評価するために、5ステップ先の予測が実施された。
• 包括的公衆衛生的措置を1週間および4週間遅らせるシナリオを模擬した。
• モデルの出力には、異なる干渉スケジュール下でのピーク累積症例数および新規症例数、感染拡大の期間、症例終了時刻が含まれる。
• 誤差解析により、5ステップ先の予測における平均予測誤差は2.5%であった。

実験結果

リサーチクエスチョン

• RQ1 改変オートエンコーダーは、世界的なCOVID-19の症例および死亡者トレンドの予測にどの程度効果的か？
• RQ2 干渉が遅れた場合、パンデミックのピーク症例数と期間はどのように予測されるか？
• RQ3 包括的公衆衛生的干渉が1か月遅れると、累積症例数の最大値にどのような影響を与えるか？
• RQ4 干渉が遅れることで、死亡者数はどの程度増加すると予測されるか？
• RQ5 早期干渉は、パンデミックのピーク負荷および期間をどの程度軽減できるか？

主な発見

• 包括的公衆衛生的干渉が1か月遅れると、累積症例数の最大値が166.89倍に増加し、150万人から2億5,540万人に増加する。
• 新規症例のピーク数は、1週間遅延で108,853人から、4週間遅延で10,086,085人に増加する。
• パンデミックの期間は、1週間遅延で232日から、4週間遅延で356日へと延長される。
• 症例終了時刻は、1週間遅延で2020年9月8日から、4週間遅延で2021年1月10日にずれる。
• 干渉が1か月遅れると、死亡者数は53,560人から8,938,725人に増加する。
• モデルは、世界的な症例トレンドの5ステップ先予測において、平均2.5%の誤差を達成した。