[論文レビュー] Stochastic Optimal Control of Epidemic Processes in Networks

Lars Lorch, Abir De+4 more|arXiv (Cornell University)|Oct 30, 2018

Mental Health Research Topics参考文献 17被引用数 6

ひとこと要約

本稿では、感染、回復、治療のイベントをマーク付き時刻点過程（MTPP）としてモデル化し、ジャンプ付き確率微分方程式（SDE）として制御を定式化することで、ネットワーク内での感染拡大を緩和するための新しい確率的最適制御フレームワークを提案する。この手法は、感染個体数を最小化する時間的・状態依存の治療強度を計算し、リアルタイムで詳細な感染動態を用いた合成実験において、ベースライン戦略を上回る性能を発揮する。

ABSTRACT

We approach the development of models and control strategies of susceptible-infected-susceptible (SIS) epidemic processes from the perspective of marked temporal point processes and stochastic optimal control of stochastic differential equations (SDEs) with jumps. In contrast to previous work, this novel perspective is particularly well-suited to make use of fine-grained data about disease outbreaks and lets us overcome the shortcomings of current control strategies. Our control strategy resorts to treatment intensities to determine who to treat and when to do so to minimize the amount of infected individuals over time. Preliminary experiments with synthetic data show that our control strategy consistently outperforms several alternatives. Looking into the future, we believe our methodology provides a promising step towards the development of practical data-driven control strategies of epidemic processes.

研究の動機と目的

• 決定論的および平均場モデルが個々のレベルでの感染動態と制御を捉えることの限界を解消すること。
• 細分化されたアウトブレイクデータを活用し、データ駆動型でリアルタイムに制御を行うエピデミック緩和戦略を構築すること。
• オフラインで事前に計算されたグラフ理論的制御方策の性能が不十分である問題を克服し、動的でイベント駆動型の治療意思決定を可能にすること。
• 個々の人が即座に治療を切り替えられないこと、回復率に制限があるといった現実的な治療動態をモデル化すること。
• SDEとMTPPを用いた確率的最適制御問題として制御問題を定式化し、正確な状態追跡と最適な干渉タイミングを可能にすること。

提案手法

• 感染、回復、治療イベントをマーク付き時刻点過程（MTPP）を用いて個々の感染状態（感受性、感染、治療中）をモデル化する。
• 状態遷移をジャンプ過程として捉えるジャンプ付き確率微分方程式（SDE）でシステム動態を表現する。
• 局所的近隣状態（感染・治療済みの近隣者）に基づいて感染・回復・治療の強度関数を定義し、疾患固有のパラメータを組み込む。
• 時間経過に伴う感染個体数の最小化を目的とした確率的最適制御問題として制御問題を定式化し、コスト・トゥ・ゴール関数とハミルトニアン・ジャコビ・ベルマン（HJB）方程式を用いる。
• 各状態変化時に凸最適化問題（線形計画法）を解くことで閉形式の最適方策を導出する。これにより、最小限の治療介入が保証される。
• 状態遷移のたびにリアルタイムで治療強度を再計算するオンラインアルゴリズムを実装し、拒否採択法または重ね合わせ法を用いて計画された治療イベントを調整する。

実験結果

リサーチクエスチョン

• RQ1 MTPPとジャンプ付きSDEに基づく確率的最適制御フレームワークは、ネットワーク内の個別レベルでの感染動態を効果的にモデル化できるか？
• RQ2 提案された動的でイベント駆動型の制御戦略は、静的またはオフライン制御方策と比較して、感染拡大の抑制にどの程度優れているか？
• RQ3 感染および回復に関する詳細でリアルタイムのデータをどの程度活用することで、制御性能が向上するか？
• RQ4 非即時的治療切り替えといった現実的制約下で、治療強度とエピデミック緩和の間のトレードオフはどのようなものか？
• RQ5 凸最適化を用いて、リアルタイムで効率的に最適方策を計算できるか。実用的導入が可能か？

主な発見

• 提案された確率的最適制御フレームワークは、合成エピデミックシミュレーションにおいて一貫してベースライン制御戦略を上回り、時間経過に伴う感染個体数の削減を実現した。
• 本手法は、感染および回復イベントに応じて動的に反応するリアルタイムで適応可能な治療意思決定を可能にし、制御の正確性を向上させた。
• 最適治療方策は凸最適化問題（線形計画法）を解くことで導出され、計算効率とスケーラビリティが保証された。
• 従来の手法とは異なり、非即時的切り替えや限定された回復率といった現実的制約をフレームワークが適切に扱った。
• HJB方程式の解が最適治療強度の閉形式表現をもたらし、最小限の計算負荷でオンライン実装が可能になった。
• 状態変数が変化するたびにのみ制御強度を再計算することで、実行コストを低減し、計算の実行可能性を維持した。