[論文レビュー] From Prediction to Prescription: AI-Based Optimization of Non-Pharmaceutical Interventions for the COVID-19 Pandemic.

Risto Miikkulainen, Olivier Francon+4 more|arXiv (Cornell University)|May 27, 2020

COVID-19 epidemiological studies参考文献 41被引用数 7

ひとこと要約

本稿では、パンデミックの制御と経済的影響の両方をバランスさせるように、AI駆動の最適化フレームワーク「エボリューション・サーロゲート支援処方（ESP）」を提案する。実験の結果、職場および学校の制限が最も重要であることが判明し、より信頼性の高い結果を得るためには、時間的に変化する、交互に適用する戦略が有効であると示唆している。

ABSTRACT

Several models have been developed to predict how the COVID-19 pandemic spreads, and how it could be contained with non-pharmaceutical interventions (NPIs) such as social distancing restrictions and school and business closures. This paper demonstrates how evolutionary AI could be used to facilitate the next step, i.e. determining most effective intervention strategies automatically. Through evolutionary surrogate-assisted prescription (ESP), it is possible to generate a large number of candidate strategies and evaluate them with predictive models. In principle, strategies can be customized for different countries and locales, and balance the need to contain the pandemic and the need to minimize their economic impact. While still limited by available data, early experiments suggest that workplace and school restrictions are the most important and need to be designed carefully. It also demonstrates that results of lifting restrictions can be unreliable, and suggests creative ways in which restrictions can be implemented softly, e.g. by alternating them over time. As more data becomes available, the approach can be increasingly useful in dealing with COVID-19 as well as possible future pandemics.

研究の動機と目的

• 新型コロナウイルス感染症の流行期における最適な非薬物的介入（NPI）を自動的に同定する手法を開発すること。
• 感染拡大の抑制と、介入に伴う経済的混乱の低減という二重の目的をバランスさせること。
• 特定の国や地域の文脈に合わせてカスタマイズ可能な NPI 戦略を可能にすること。
• AI 最適化戦略を用いた制限の解除ポリシーの信頼性と設計を検討すること。

提案手法

• 多様な候補 NPI 戦略を生成するために、進化的アルゴリズムを採用する。
• 各戦略の有効性を完全なシミュレーションなしに評価するため、予測型疫学モデルをサーロゲート関数として使用する。
• 最適化プロセスに公衆衛生的要因と経済的影響に関する制約を統合する。
• 学校や職場の制限を交互に適用するなど、動的で時間的に変化する干渉パターンを可能にする。
• 入力パラメータとデータを調整することで、異なる地域にスケーラブルかつ適応可能に拡張できる。
• サーロゲートモデリングを活用することで、大規模な戦略空間の評価にかかる計算コストを削減する。

実験結果

リサーチクエスチョン

• RQ1 感染拡大を効果的に抑制すると同時に経済的影響を最小限に抑える非薬物的介入（NPI）戦略は何か？
• RQ2 異なる国や地域の文脈に合わせて、介入戦略をどのようにカスタマイズできるか？
• RQ3 流行後、制限を解除する際の信頼性と長期的結果はどのようなものか？
• RQ4 制限を段階的・ソフトな形で段階的に適用することで、持続可能性をどのように向上できるか？
• RQ5 職場および学校の閉鎖は、パンデミックの拡大を制御するために果たす役割は何か？

主な発見

• 職場および学校の制限が、感染拡大の抑制において最も効果的な NPI であることが明らかになった。
• 制限の解除は、信頼性の低い結果をもたらす可能性があるため、急激な段階的解除にはリスクを伴う。
• 制限を交互に適用する、もしくは段階的に実施することで、持続可能性が向上し、再発の影響が軽減される。
• AI 最適化戦略は、静的政策に比べて、公衆衛生的目標と経済的目標の両立をより効果的に実現できる。
• 今後のパンデミックにおいて、より良いデータの入手が可能になれば、本手法の実用性が裏付けられる。
• サーロゲート支援最適化により、複雑な干渉戦略空間の効率的探索が可能であることが示された。