[論文レビュー] Supervised learning improves disease outbreak detection

Benedikt Zacher, Irina Czogiel|arXiv (Cornell University)|Feb 6, 2019

Data-Driven Disease Surveillance参考文献 22被引用数 3

ひとこと要約

本研究では、公衆衛生監視システムからのラベル付きアウトブレークデータを活用して、感染症のアウトブレーク検出を向上させるための教師あり学習手法として、隠れマルコフモデル（HMM）を導入する。FarringtonFlexibleアルゴリズムと比較して、同一の感度を維持しつつ、誤検出率を最大50％まで低減する。これにより、疫学者の負担が軽減される。

ABSTRACT

The early detection of infectious disease outbreaks is a crucial task to protect population health. To this end, public health surveillance systems have been established to systematically collect and analyse infectious disease data. A variety of statistical tools are available, which detect potential outbreaks as abberations from an expected endemic level using these data. Here, we develop the first supervised learning approach based on hidden Markov models for disease outbreak detection, which leverages data that is routinely collected within a public health surveillance system. We evaluate our model using real Salmonella and Campylobacter data, as well as simulations. In comparison to a state-of-the-art approach, which is applied in multiple European countries including Germany, our proposed model reduces the false positive rate by up to 50% while retaining the same sensitivity. We see our supervised learning approach as a significant step to further develop machine learning applications for disease outbreak detection, which will be instrumental to improve public health surveillance systems.

研究の動機と目的

• 日常的収集された監視データを用いた感染症アウトブレークの早期検出のための教師あり機械学習手法を開発すること。
• 感度を維持しつつ、アウトブレーク検出における誤検出率を低減し、不必要な調査を最小限に抑えること。
• Robert Koch研究所のSurvNetシステムから得られる、法的報告基準に基づくラベル付きアウトブレークデータを活用し、より正確な検出モデルを訓練すること。
• 誤報による疫学者の負担を軽減することで、公衆衛生監視の効率と実用性を向上させること。
• 教師ありHMMが、教師なしまたは従来の統計的手法に比べて、実世界のアウトブレーク検出において実現可能性と優位性を示すことを示すこと。

提案手法

• 本手法は、複数のドイツ地方の週次症例数時系列データを用い、エンドミック状態またはアウトブレーク状態を示す状態ラベルでトレーニングされた教師あり隠れマルコフモデル（HMM）を採用する。
• HMMは、各時系列点における潜在状態（エンドミックまたはアウトブレーク）をモデル化し、観測された症例数および季節性やトレンドなどの共変量に依存する発生確率を含む。
• 遷移確率および発生分布などのモデルパラメータは、最尤推定法により推定され、アウトブレーク効果の有意性を評価するための尤度比検定が用いられる。
• 発生分布は、ポisson分布またはネガティブバイノミアル分布としてモデル化され、症例数と共変量およびアウトブレーク状態との関係を表すために対数線形リンク関数が使用される。
• 時間的に変化する共変量（季節的パターンや長期トレンドなど）を組み込み、ベースライン推定の精度を向上させる。
• 最終的な検出意思決定は、前向き・後ろ向きアルゴリズムにより計算されたアウトブレーク状態にいる事後確率に基づく。

実験結果

リサーチクエスチョン

• RQ1 公衆衛生監視システムから得られるラベル付きアウトブレークデータでトレーニングされた教師ありHMMは、教師なしまたは従来の統計的手法に比べ、アウトブレーク検出性能を向上させることができるか？
• RQ2 教師あり学習は、感度を損なわせることなく、どの程度誤検出率を低減できるか？
• RQ3 法的報告基準に基づく現実世界のアウトブレークラベルを含めることで、サルモネラおよびカンピロバクターのアウトブレーク検出におけるモデル性能にどのような影響を与えるか？
• RQ4 特に小規模または不規則なアウトブレークが存在する状況において、HMMベースのアプローチはFarringtonFlexibleアルゴリズムに比べ、アウトブレーク期間とエンドミック期間をよりよく区別できるか？
• RQ5 アウトブレークの規模とラベリングの完全性は、モデルが真のアウトブレークを検出する能力にどのような影響を与えるか？

主な発見

• 提案されたHMMベースの手法は、実際のサルモネラおよびカンピロバクターのデータにおいて、FarringtonFlexibleアルゴリズムと比較して誤検出率を最大50％まで低減したが、感度は同等を維持した。
• モデルは著しく少ない誤報を発生させ、これは疫学者の負担を軽減し、公衆衛生監視における時間的・人的リソースの節約に寄与する。
• アウトブレーク週の平均症例数はエンドミック週と比べて著しく高かったことから、モデルが両状態を区別できる能力が裏付けられた。
• 推定されたアウトブレーク効果パラメータ（exp(β₄)）は、アウトブレーク週における症例数の著しい増加を示し、モデルがアウトブレーク信号を適切に捉えていることを確認した。
• 高い誤検出率低減が達成されたが、感度は依然として高く維持されており、特に大規模なアウトブレークに対しては優れた性能を示した。一方、小規模なアウトブレーク（2～3症例）については、両手法とも感度が低かった。
• 小規模なアウトブレークが報告漏れであった場合でも、モデルの性能は頑健であった。これは、それらがエンドミックレベルと明確に区別されにくく、モデル学習に顕著な影響を及ぼさなかったためである。