[論文レビュー] Forecasting the Flu: Designing Social Network Sensors for Epidemics

Huijuan Shao, K. S. M. Tozammel Hossain+6 more|arXiv (Cornell University)|Feb 22, 2016

Complex Network Analysis Techniques参考文献 26被引用数 7

ひとこと要約

本稿では、支配者（dominators）を用いたグラフ理論的手法を提案し、インフルエンザ流行の早期予測に最適なソーシャルネットワークセンサーを特定する。ネットワーク構造と人種的・人口統計的代理指標を活用することで、従来の手法（例：フレンド・オブ・フレンド）を著しく上回り、最大22日間のリードタイムを達成する。これは、現実的で大規模な都市内接触ネットワークにおいて顕著である。

ABSTRACT

Early detection and modeling of a contagious epidemic can provide important guidance about quelling the contagion, controlling its spread, or the effective design of countermeasures. A topic of recent interest has been to design social network sensors, i.e., identifying a small set of people who can be monitored to provide insight into the emergence of an epidemic in a larger population. We formally pose the problem of designing social network sensors for flu epidemics and identify two different objectives that could be targeted in such sensor design problems. Using the graph theoretic notion of dominators we develop an efficient and effective heuristic for forecasting epidemics at lead time. Using six city-scale datasets generated by extensive microscopic epidemiological simulations involving millions of individuals, we illustrate the practical applicability of our methods and show significant benefits (up to twenty-two days more lead time) compared to other competitors. Most importantly, we demonstrate the use of surrogates or proxies for policy makers for designing social network sensors that require from nonintrusive knowledge of people to more information on the relationship among people. The results show that the more intrusive information we obtain, the longer lead time to predict the flu outbreak up to nine days.

研究の動機と目的

• 最適なソーシャルネットワークセンサーを特定する問題を形式的に定義し、それを解くこと。
• フレンド・オブ・フレンドなどの従来のヒューリスティクスに起因する制限を克服すること。これらの手法はリードタイムがゼロになる場合があり、形式的な最適化目的も欠如している。
• 完全な接触ネットワークデータが入手不可な状況においても、実用的で導入可能な戦略を考案すること。
• 実世界の適用性を検証するため、大規模かつ都市レベルの合成感染症シミュレーションを用いて手法を評価すること。
• より侵入的なネットワーク知識が長期間のリードタイムをもたらすことを示し、データアクセスと予測性能の間の定量的トレードオフを明らかにすること。

提案手法

• 支配者概念を用いたグラフ理論的手法を用い、集団的流行の前触れとなる感染を示すノードを特定することで、ソーシャルセンサー選択問題を形式化する。
• 支配者計算に基づく効率的なヒューリスティクスを開発し、ランダムまたはヒューリスティクスベースのセットよりも、流行ピークを早期に予測できるセンサーノードを選択する。
• 6つの実世界の都市規模接触ネットワークを用いた微視的、エージェントベースのSEIRシミュレーションにより、事実上の感染動態を生成する。
• 年齢や居住地などの人口統計的データに基づく代理センサーを導入し、完全なネットワークトポロジーを必要とせずに実装可能にする。
• 100回の確率的実行において、センサー集合とランダムコントロールとの間でピーク感染時刻を比較するため、ロジスティック曲線フィッティングを採用する。
• リードタイムを、センサー集合と集団全体の曲線との間のピーク感染時刻の差として定量化し、シミュレーション全体にわたる統計的安定性を確認する。

実験結果

リサーチクエスチョン

• RQ1 インフルエンザ流行の予測に測定可能なリードタイムをもたらすソーシャルネットワークセンサーの選択問題を、形式的に定義できるか？
• RQ2 支配者に基づくセンサー選択手法は、フレンド・オブ・フレンドなどの従来のヒューリスティクスと比較して、リードタイムと一貫性にどの程度優れているか？
• RQ3 より詳細なネットワーク情報（例：完全な接触グラフ対人口統計的代理指標）へのアクセスが、予測リードタイムにどの程度影響を与えるか？
• RQ4 人口統計的代理指標は、完全なネットワーク知識を代替するのに効果的か？
• RQ5 現実的で都市規模の接触ネットワーク上で、原理的で形式的なセンサー選択を用いた場合、感染症予測の最大リードタイムはどの程度達成可能か？

主な発見

• 支配者に基づくセンサー選択手法は、インフルエンザ流行の予測において最大22日間のリードタイムを達成し、フレンド・オブ・フレンドヒューリスティクスを著しく上回る。
• オregonデータセットでは平均11日間のリードタイムを達成したが、マイアミデータセットではフレンド・オブ・フレンド手法が完全に失敗したのに対し、本手法は一貫したリードタイムを維持した。
• 100回の確率的シミュレーション実行において、本手法はネットワークトポロジーや確率的変動にかかわらず一貫した性能を示し、高いロバスト性を示した。
• 人口統計的代理指標を用いることで、完全な接触ネットワークデータのアクセスがなくても実用的な導入が可能となり、高い予測性能を維持した。
• ネットワーク情報の追加層（例：非侵襲的から侵襲的）ごとに、リードタイムが最大9日間まで向上し、データアクセスと予測効果の明確なトレードオフが示された。
• 本研究では、従来のヒューリスティクス（例：フレンド・オブ・フレンド）が特定のネットワーク構造ではリードタイムがゼロになる場合があることが明らかになった。これは、形式的かつ体系的なセンサー選択手法の必要性を強調する。