[論文レビュー] Google Trends Analysis of COVID-19

Long Hoang Nguyen, Zhenhe Pan+3 more|arXiv (Cornell University)|Nov 7, 2020

Data-Driven Disease Surveillance参考文献 24被引用数 5

ひとこと要約

本研究では、機械学習を用いて、グーグルトレンドのデータを活用して、世界的および国別コロナウイルス感染症の確定症例数の予測を向上させた。歴史的症例数と検索トレンドデータを統合することで、ディープニューラルネットワーク（DNN）モデルは、RMSEを1,595から807に低下させ、49%の改善を達成した。これは、グーグルトレンドがパンデミックの動態を予測する精度を顕著に向上させることを示している。

ABSTRACT

The World Health Organization (WHO) announced that COVID-19 was a pandemic disease on the 11th of March as there were 118K cases in several countries and territories. Numerous researchers worked on forecasting the number of confirmed cases since anticipating the growth of the cases helps governments adopting knotty decisions to ease the lockdowns orders for their countries. These orders help several people who have lost their jobs and support gravely impacted businesses. Our research aims to investigate the relation between Google search trends and the spreading of the novel coronavirus (COVID-19) over countries worldwide, to predict the number of cases. We perform a correlation analysis on the keywords of the related Google search trends according to the number of confirmed cases reported by the WHO. After that, we applied several machine learning techniques (Multiple Linear Regression, Non-negative Integer Regression, Deep Neural Network), to forecast the number of confirmed cases globally based on historical data as well as the hybrid data (Google search trends). Our results show that Google search trends are highly associated with the number of reported confirmed cases, where the Deep Learning approach outperforms other forecasting techniques. We believe that it is not only a promising approach for forecasting the confirmed cases of COVID-19, but also for similar forecasting problems that are associated with the related Google trends.

研究の動機と目的

• グローバルなレベルで、グーグル検索トレンドと報告されたCOVID-19確定症例数との相関関係を調査すること。
• 機械学習モデルにグーグルトレンドデータを統合することの有効性を、パンデミックの進行予測の文脈で評価すること。
• 複数の予測モデル（線形回帰、ネガティブバイノミアル、ディープニューラルネットワーク）を、グーグルトレンド特徴量を含む・含まない状況で比較して性能を評価すること。
• グローバルおよび国別レベル（例：イタリア、フランス、米国）におけるモデルの予測精度を評価すること。
• グーグルトレンドが、公衆衛生の予測を改善するための低コストで効果的なデータソースとして機能できるかどうかを検討すること。

提案手法

• WHOが公表した確定症例数と、COVID-19関連キーワードのグーグル検索トレンドとの間の相関分析を実施した。
• 3つの機械学習モデルを適用した：重回帰分析、非負の整数回帰（ネガティブバイノミアル）、ディープニューラルネットワーク（DNN）による予測。
• 歴史的確定症例数とグーグルトレンドデータを入力特徴量として使用し、DNNモデルは国をまたいだ時空間データを学習した。
• 標準的な指標（RMSE、MAE、MAPE、R²）を用いて、グーグルトレンド入力を含む・含まないモデルの性能を比較評価した。
• 高い影響を持つ国（イタリア、フランス、米国）を対象に国別分析を実施し、アプローチの一般化可能性と頑健性を検証した。
• DNNモデルを用いて、予測値と実際の確定症例数の対比を可視化し、パターンの一致度と誤差範囲を評価した。

実験結果

リサーチクエスチョン

• RQ1 グローバルなレベルで、グーグル検索トレンドと報告されたCOVID-19確定症例数との間に、統計的に有意な相関関係が存在するか？
• RQ2 グーグルトレンドデータを統合することで、機械学習モデルの確定症例予測精度がどの程度向上するか？
• RQ3 線形回帰、ネガティブバイノミアル、ディープニューラルネットワークのうち、グーグルトレンドデータを統合した場合に最も優れた性能を示すのはどのモデルか？
• RQ4 特にイタリア、フランス、米国のような症例数の急増が見られる地域では、モデルの性能にどのような差が生じるか？
• RQ5 グーグルトレンドは、感染症の拡散に関連する実時間の公衆の関心や行動の代替指標として、信頼性があり、低コストに利用できるか？

主な発見

• グーグル検索トレンドは、確定症例数と強く時系列的に相関しており、これは、公衆の関心やアウトブレイク傾向の初期兆候としての有効性を裏付けている。
• グーグルトレンドデータを統合した場合、ディープニューラルネットワーク（DNN）モデルが線形回帰およびネガティブバイノミアルモデルを上回る予測精度を示した。
• グーグルトレンドデータの統合により、DNNモデルのRMSEが49%削減され、1,595から807に低下した。これは顕著な性能向上を示している。
• グーグルトレンドを用いたモデルは、グローバルなR²が0.82に達し、トレンドなしモデルの0.76を大きく上回った。これは、実データへの適合度が高まったことを示している。
• 国別評価では、グーグルトレンドを統合したDNNモデルが、フランス（1,346 → 643）、イタリア（1,432 → 657）、米国（1,310 → 520）およびグローバルレベルでRMSEを約2倍、米国では2.5倍に削減した。
• 本研究は、グーグルトレンドが、公衆衛生危機における予測モデルの予測力向上に価値があり、利用可能で効果的なデータソースであることを確認した。