[論文レビュー] On the predictability of infectious disease outbreaks

Samuel V. Scarpino, Giovanni Petri|arXiv (Cornell University)|Mar 21, 2017

Evolution and Genetic Dynamics参考文献 54被引用数 4

ひとこと要約

本研究では、10種の歴史的疾患を対象として、順列エントロピーをモデルに依存しない予測可能性の指標として用い、感染症の流行予測の根本的限界を調査する。予測不可能性の普遍的なエントロピー障壁が存在することが判明したが、大多数の疾患ではこの障壁が単一の流行期間をはるかに超えて位置しているため、短期から中期の予測が実現可能であることが示唆される。特に、伝搬ダイナミクスや社会的ネットワークの不均一性の変化を考慮する動的でデータ駆動型のモデルを用いることで、信頼性の高い予測が可能となる。

ABSTRACT

Infectious disease outbreaks recapitulate biology: they emerge from the multi-level interaction of hosts, pathogens, and their shared environment. As a result, predicting when, where, and how far diseases will spread requires a complex systems approach to modeling. Recent studies have demonstrated that predicting different components of outbreaks--e.g., the expected number of cases, pace and tempo of cases needing treatment, demand for prophylactic equipment, importation probability etc.--is feasible. Therefore, advancing both the science and practice of disease forecasting now requires testing for the presence of fundamental limits to outbreak prediction. To investigate the question of outbreak prediction, we study the information theoretic limits to forecasting across a broad set of infectious diseases using permutation entropy as a model independent measure of predictability. Studying the predictability of a diverse collection of historical outbreaks--including, chlamydia, dengue, gonorrhea, hepatitis A, influenza, measles, mumps, polio, and whooping cough--we identify a fundamental entropy barrier for infectious disease time series forecasting. However, we find that for most diseases this barrier to prediction is often well beyond the time scale of single outbreaks. We also find that the forecast horizon varies by disease and demonstrate that both shifting model structures and social network heterogeneity are the most likely mechanisms for the observed differences across contagions. Our results highlight the importance of moving beyond time series forecasting, by embracing dynamic modeling approaches, and suggest challenges for performing model selection across long time series. We further anticipate that our findings will contribute to the rapidly growing field of epidemiological forecasting and may relate more broadly to the predictability of complex adaptive systems.

研究の動機と目的

• 予測可能性に影響を及ぼすモデルの品質やデータの可用性とは独立した、感染症の流行予測における根本的限界が存在するかを明らかにすること。
• 情報理論的エントロピーを用いて測定される系の複雑性が、疾患時系列の予測可能性に制限を及えるかを評価すること。
• 長期予測の精度低下が、データ不足によるものではなく、伝搬パターンの構造的・動的変化によるものであるかどうかを検証すること。
• 社会的ネットワークの不均一性や伝搬ダイナミクスの変化といった要因が、異なる疾患における予測可能性に与える影響を調査すること。
• 長期時系列データが予測精度を常に向上させるという仮定を検証し、特に複雑で適応的な社会生物学的システムにおいては、その仮定が妥当でない可能性を提示すること。

提案手法

• 10種の歴史的感染症時系列（例：麻疹、インフルエンザ、デング熱）を対象として、モデルフリーで情報理論的指標である順列エントロピーを用い、時系列の複雑性と予測可能性を評価した。
• 52週間のスライディングウィンドウを用いて、時間経過に伴う順列エントロピーを計算し、現実のデータにおける予測可能性の高い時期と低い時期を特定した。
• 基準となる予測可能性レベルを確立するために、確率的（ホワイトノイズ）および決定的（ノイズ付き正弦波）な参照プロセスとの比較を実施した。
• 生物学的・疫学的知識とシミュレートされた流行を統合し、予防接種率や二次感染率の変化といった伝搬ダイナミクスの変化が予測可能性に与える影響を検討した。
• データ長が予測可能性に与える影響を評価し、長期時系列データが常に予測性能を向上させるかどうかを検証した。
• 交差検証とモデル選択手法を用いて、長期時系列データが正しいモデル構造を一貫して選択するかを評価し、モデル選択における「無料のランチ」の有無を検証した。

実験結果

リサーチクエスチョン

• RQ1 感染症の流行予測に、モデルやデータ品質とは無関係な情報理論的限界が存在するか？
• RQ2 疾患時系列の予測可能性は時間経過とともにどのように変化するのか？ また、予測可能性の変動を引き起こす要因は何か？
• RQ3 社会的ネットワーク構造や予防接種率の変化といった伝搬ダイナミクスの変化が、予測精度にどの程度影響を与えるか？
• RQ4 時系列データの長さを延ばすことで、常に予測性能が向上するのか？ あるいは、複雑なシステムでは誤った予測可能性を生じさせる可能性があるのか？
• RQ5 動的でデータ駆動型のモデルは、時系列予測において同定されたエントロピー障壁を克服できるか？ そして、これは疫学におけるモデル選択にどのような意味を持つのか？

主な発見

• 感染症時系列には普遍的なエントロピー障壁が存在し、これより先に予測が統計的に不可能になる根本的限界を示している。
• 麻疹、インフルエンザ、デング熱を含む大多数の疾患では、このエントロピー障壁が通常の流行期間をはるかに超えて位置しているため、短期から中期の予測が一般的に実現可能であることが示された。
• 実際の疾患データにおける順列エントロピー値は時間経過で顕著に変動し、予測可能性の高い時期（決定論的信号に類似）と低い時期（ホワイトノイズに類似）が交互に現れるため、予測精度が時間依存であることが示唆された。
• データ長を延ばしても予測可能性が向上するとは限らず、伝搬ダイナミクスの構造的シフト（接触ネットワークや免疫レベルの変化など）により、場合によっては予測可能性が低下する可能性がある。
• 長期データスパンにおけるモデル性能の低下は、最適なモデル構造が時間経過やスケールに応じて変化することを示唆しており、適応的で繰り返しキャリブレーション可能なモデルの必要性を支持する。
• 本研究の結果は、感染症予測におけるモデル選択において「無料のランチ」の状況が成立することを示唆しており、特定のモデル構造がすべての時間窓で一貫して優れているとは限らない。特に非定常系ではその傾向が顕著である。