[論文レビュー] The Number of Confirmed Cases of Covid-19 by using Machine Learning: Methods and Challenges

Amir Ahmada, Sunita Garhwal+4 more|arXiv (Cornell University)|Jun 11, 2020

COVID-19 diagnosis using AI参考文献 27被引用数 5

ひとこと要約

本論文は、COVID-19の確定症例を予測するための機械学習手法の包括的な分類を提示し、4つのグループに分類する：回帰ベースのモデル、ディープラーニングアプローチ、ソーシャルメディアおよび検索クエリ分析、ネットワークベースのモデリング。主な課題として、データ品質、社会的偏見、国ごとのばらつきを特定し、ハイブリッドモデル、トランスファーラーニング、マルチソースデータ統合を提案することで、予測精度の向上を図る。

ABSTRACT

Covid-19 is one of the biggest health challenges that the world has ever faced. Public health policy makers need the reliable prediction of the confirmed cases in future to plan medical facilities. Machine learning methods learn from the historical data and make a prediction about the event. Machine learning methods have been used to predict the number of confirmed cases of Covid-19. In this paper, we present a detailed review of these research papers. We present a taxonomy that groups them in four categories. We further present the challenges in this field. We provide suggestions to the machine learning practitioners to improve the performance of machine learning methods for the prediction of confirmed cases of Covid-19.

研究の動機と目的

• 確定COVID-19症例の予測に用いられる機械学習手法の体系的分類を提供すること。
• これらのモデルの信頼性および一般化可能性に影響を与える主な課題を特定・分析すること。
• 分野横断的連携とデータ統合を通じて、モデル性能の向上に向けた実行可能な提言を提示すること。
• 既存の文献とは異なり、本レビューは、COVID-19におけるAIの広範な応用ではなく、確定症例予測に限定して焦点を当てる。
• 研究者および実務家が、より正確で、移行可能で、文脈に配慮した予測システムを構築するのを支援すること。

提案手法

• 既存の機械学習アプローチを4つの明確な方法論に分類する：回帰モデル、ディープラーニングアーキテクチャ、ソーシャルメディアおよび検索クエリ分析、ネットワークベースの感染伝播モデリング。
• COVID-19症例予測に機械学習を用いた85篇以上の研究論文をレビューし、モデル設計、データソース、評価指標に重点を置く。
• SIR（感受性・感染性・回復者）モデルなどの既存の疫学的フレームワークと機械学習を統合するハイブリッドモデルを提唱する。
• 先進的な流行曲線を示す国々のデータで事前に学習したモデルを、初期段階にある国々に適応するトランスファーラーニングの推奨。
• 臨床データ、移動パターン、オンライン行動といった複数のデータソースを統合することで、モデルの頑健性と一般化能力を向上させる提案。
• 特に、検査率が低いか、社会的偏見が症例報告に影響を与える地域では、文脈に応じたデータの適応が極めて重要であると強調。

実験結果

リサーチクエスチョン

• RQ1 確定COVID-19症例の予測に用いられる主な機械学習手法は何か。それらは構造的・性能的側面でどのように異なるか。
• RQ2 これらのモデルの正確性および国境を越えた適用可能性を制限する主なデータ関連およびシステム的課題は何か。
• RQ3 機械学習と疫学的フレームワークを統合するハイブリッドモデルは、予測の信頼性をどのように向上させ得るか。
• RQ4 流行が進行段階にある国々のデータから得たトランスファーラーニングは、初期段階にある国々の予測をどの程度向上させ得るか。
• RQ5 報告が不十分または信頼性の低い症例データがある地域で、どのような代替データソースを活用できるか。

主な発見

• 回帰ベースのモデル、特にロジスティック曲線回帰は短期的な予測精度を示すが、飽和仮定のため長期予測には失敗する。
• ディープラーニングモデルは時系列データに対して優れた性能を示すが、大規模で高品質なデータセットを必要とし、データ分布の変化に敏感である。
• ソーシャルメディアおよび検索クエリデータはノイズが多く、実際の感染伝播の影響だけでなく、公衆の関心にも影響を受けるため、補正なしでは予測力が制限される。
• ネットワークベースのモデルは、正確な接触および感染伝播データに強く依存しており、SARS-CoV-2の感染伝播ダイナミクスの理解が不完全なため、依然として正確に定量化されていない。
• 文化的要因、人口統計的要因、インfra構造の違いにより、国境を越えたモデルの移行性は低い。
• 機械学習とSIRタイプの疫学的フレームワークを統合するハイブリッドモデルは、特に実世界のデータで検証された場合、解釈可能性と正確性の両面で大きな可能性を示している。