[論文レビュー] $α$-Satellite: An AI-driven System and Benchmark Datasets for Hierarchical Community-level Risk Assessment to Help Combat COVID-19

Yanfang Ye, Shifu Hou+6 more|arXiv (Cornell University)|Mar 27, 2020

Data-Driven Disease Surveillance参考文献 40被引用数 27

ひとこと要約

本論文は、公衆衛生レポート、移動パターン、人口統計、ソーシャルメディアなど、異種のデータソースを用いて、COVID-19の階層的でリアルタイムのコミュニティレベルのリスク評価を提供するAI駆動型システム、$α$-Satelliteを提案する。このシステムは、州、郡、都市、特定の場所といった複数の地理的レベルで動的リスクインデックスを生成し、確認済み症例や公衆衛生対策と相関するため、日常生活への混乱を最小限に抑えて前もって対策を講じることが可能になる。

ABSTRACT

The novel coronavirus and its deadly outbreak have posed grand challenges to human society: as of March 26, 2020, there have been 85,377 confirmed cases and 1,293 reported deaths in the United States; and the World Health Organization (WHO) characterized coronavirus disease (COVID-19) - which has infected more than 531,000 people with more than 24,000 deaths in at least 171 countries - a global pandemic. A growing number of areas reporting local sub-national community transmission would represent a significant turn for the worse in the battle against the novel coronavirus, which points to an urgent need for expanded surveillance so we can better understand the spread of COVID-19 and thus better respond with actionable strategies for community mitigation. By advancing capabilities of artificial intelligence (AI) and leveraging the large-scale and real-time data generated from heterogeneous sources (e.g., disease related data from official public health organizations, demographic data, mobility data, and user geneated data from social media), in this work, we propose and develop an AI-driven system (named $α$-Satellite}, as an initial offering, to provide hierarchical community-level risk assessment to assist with the development of strategies for combating the fast evolving COVID-19 pandemic. More specifically, given a specific location (either user input or automatic positioning), the developed system will automatically provide risk indexes associated with it in a hierarchical manner (e.g., state, county, city, specific location) to enable individuals to select appropriate actions for protection while minimizing disruptions to daily life to the extent possible. The developed system and the generated benchmark datasets have been made publicly accessible through our website. The system description and disclaimer are also available in our website.

研究の動機と目的

• コミュニティレベルのCOVID-19感染拡大をリアルタイムで詳細に監視し、前もって対策を講じるための支援を可能にする、緊急のニーズに対応する。
• 公衆衛生レポート、移動データ、人口統計、ソーシャルメディアなど、多様なリアルタイムデータソースを統合することで、データの不確実性や不完全性を克服する。
• 州、郡、都市、特定の場所といった複数の地理的レベルで、実行可能なインサイトを提供するスケーラブルで階層的なリスク評価システムを開発する。
• 個人およびコミュニティが感染リスクを低減しつつ、社会的・経済的混乱を最小限に抑えた意思決定を下せるようにする。
• パンデミック期の継続的な研究および対応活動を支援するため、ベンチマークデータセットと公開可能なシステムを確立する。

提案手法

• 公式の公衆衛生レポート、人口統計データ、モバイルデバイスからの移動データ、ソーシャルメディアのユーザー生成コンテンツなど、多様なソースからの大規模かつリアルタイムのデータを統合・前処理する。
• 疫学的、行動的、環境的指標の重み付き統合を用いて、州レベルから特定の場所まで階層的にリスクインデックスを計算する、マルチレベルリスクモデリングフレームワークを設計する。
• 歴史的およびリアルタイムのデータで訓練された機械学習モデルを適用し、感染動態の変化を反映してリスクインデックスを動的に推定・更新する。
• 地図API（例：Googleマップ）を統合し、ユーザー入力または自動位置特定に基づいて、リスクインデックスを特定の関心ポイント（例：スーパーマーケット）にマッピングする。
• 公衆衛生対策（例：自宅待機命令、事業所の閉鎖）を時間的特徴として組み込み、リスクトレンドに与える影響をモデル化する。
• 研究の再現性および検証を可能にするために、ベンチマークデータセットへのアクセスを備えたウェブベースのプラットフォームとしてシステムをデプロイする。

実験結果

リサーチクエスチョン

• RQ1 異種のリアルタイムデータソースを効果的に統合することで、COVID-19の階層的で正確なコミュニティレベルのリスク評価を生成できるか？
• RQ2 生成されたリスクインデックスは、異なる地理的レベルで確認済み症例数や公衆衛生対策とどの程度相関しているか？
• RQ3 AI駆動型リスクモデリングは、不必要な混乱を引き起こさずに、個人およびコミュニティレベルの対策意思決定を支援するタイムリーで実行可能なインサイトを提供できるか？
• RQ4 特に非常事態宣言などの重要な公衆衛生イベントの時期に、リスクインデックスは異なる場所や時間帯でどのように変化するか？
• RQ5 公衆の認識と移動パターンは、局所的リスクレベルにどのような役割を果たし、それらをリスクモデルに定量的に反映できるか？

主な発見

• オハイオ州カイアホガ郡のリスクインデックスは、3月8日には0.131であったが、初例3例の確認に伴い3月9日には0.314に急上昇し、地域のアウトブレイクに迅速に反応していることが示された。
• 3月14日に非常事態宣言、3月22日に自宅待機命令が発出された後、カイアホガ郡のリスクインデックスは3月15日に0.605に低下した。これは政策対策の効果が明確に測定されたことを示している。
• 県レベルおよび州レベルの両方で、確認済み症例数とリスクインデックスの間に正の相関が認められ、ニューヨーク州（NY）は26,376例の高い症例数のため、最高のリスクインデックスを示した。
• クリーブランドのスーパーマーケットなど、近隣の場所間でリスクインデックスに顕著な差が見られた。これは、公衆の認識や現地の交通パターンの違いによるものであり、システムがマイクロレベルのリスク変動を捉える能力を示している。
• 本システムは、2020年3月24日ごろに複数の郡および州のリスクインデックスを同時に可視化・比較でき、確認済み症例データおよび政策タイムラインと一貫した傾向を示した。
• ベンチマークデータセットおよび$\alpha$-Satelliteシステムは、https://COVID-19.yes-lab.org/ で公開されており、パンデミックリスクモデリングに関する再現性および継続的な研究を可能にしている。