[論文レビュー] Visualising the Evolution of English Covid-19 Cases with Topological Data Analysis Ball Mapper

Pawel Dlotko, Simon Rudkin|arXiv (Cornell University)|Apr 7, 2020

Topological and Geometric Data Analysis参考文献 12被引用数 4

ひとこと要約

本論文は、トポロジカル・データ・アナリシス（TDA）のボールマッパー法を用いて、社会経済的指標を用いて、イングランドのNUTS3地域におけるCovid-19感染症の拡大を可視化している。非線形的でクラスタベースの拡散パターンが明らかになった。感染のホットスポットは、均一に広がるのではなく、特定の社会経済的グループに集中しており、ロンドンと北部の工業地域では、類似した地理的接近にもかかわらず、著しく加速する感染拡大が見られた。

ABSTRACT

Understanding disease spread through data visualisation has concentrated on trends and maps. Whilst these are helpful, they neglect important multi-dimensional interactions between characteristics of communities. Using the Topological Data Analysis Ball Mapper algorithm we construct an abstract representation of NUTS3 level economic data, overlaying onto it the confirmed cases of Covid-19 in England. In so doing we may understand how the disease spreads on different socio-economical dimensions. It is observed that some areas of the characteristic space have quickly raced to the highest levels of infection, while others close by in the characteristic space, do not show large infection growth. Likewise, we see patterns emerging in very different areas that command more monitoring. A strong contribution for Topological Data Analysis, and the Ball Mapper algorithm especially, in comprehending dynamic epidemic data is signposted.

研究の動機と目的

• 従来の地図やトレンドにとどまらない、イングランドにおけるCovid-19感染症の空間的・時間的進化を可視化すること。
• 特にボールマッパー法を用いたトポロジカル・データ・アナリシス（TDA）を適用し、多次元的社会経済データに隠れたパターンを解明すること。
• 経済的・人口統計的特徴の特定の組み合わせが、感染症の急激な拡大とどのように相関するかを特定すること。
• Covid-19の疫学的データ解析において、ブラックボックス型機械学習モデルと比較して、ボールマッパーの透明性と解釈可能性を示すこと。
• 非線形的かつ地理的でない動的要因が、社会経済的空間における感染症拡大にどのように作用するかを明らかにすることで、政策に役立つ知見を提示すること。

提案手法

• ボールマッパー法は、半径εの重複する球でデータクラウドを覆うことで、高次元のNUTS3地域データを2次元の抽象的表現に変換する。
• ランドマーク（ランドマーク点）は球の中心として選ばれ、重複する球同士が接続されることでグラフ構造が形成される。
• グラフ内の各球のサイズは、その中に含むデータポイントの数を反映しており、クラスタの密度を示している。
• Covid-19の感染者数は、ボールマッパーのグラフ上に重ねて、社会的経済的クラスタごとの感染レベルを可視化する。
• 時間経過に伴う感染者数の動的変化は、各球の平均感染者数の時系列プロットを用いて追跡する。
• t-SNEと異なり、完全な距離行列を必要とせず、パラメータが1つ（ε）のみであるため、安定性と解釈可能性が保証される。

実験結果

リサーチクエスチョン

• RQ1 イングランドのNUTS3地域の社会的経済的特徴と、Covid-19感染者数の増加速度および強度の相関関係は何か？
• RQ2 多次元的社会経済的空間のどこに感染クラスターが出現し、時間経過とともにどのように変化するか？
• RQ3 地理的に近接しているが、社会的経済的特性が異なる地域同士では、疫学的経路がどの程度異なっているか？
• RQ4 ボールマッパー法は、従来の可視化手法が見逃す非線形的かつ直感的でない感染症拡大のパターンを明らかにできるか？
• RQ5 ボールマッパーのクラスタごとの感染者数の動的変化は、公衆衛生の監視および政策対応にどのように寄与するか？

主な発見

• 元々感染者数最多の地域（ハマーズミス・アンド・フルハムおよびケンジントン・アンド・チェルシー）であったボール20では、感染拡大の勢いが低下したが、ボール22が新たなホットスポットに成長した。
• ロンドンの自治体および通勤圏（ボール22）では、元のロンドンのホットスポットを上回る感染者数を記録しており、感染伝播のダイナミクスの変化が示された。
• 特にランカシャイおよびヨークシャーに位置するボール9およびボール14では、感染者数の割合が最も速く増加しており、新たな地域的ホットスポットの兆候が示された。
• マンチェスター、リバプール、ブライトンを含むボール7は、北部のクラスタへの伝達路として機能し、時間経過とともに感染者数の割合が増加した。
• 動的感染者数変化プロットでは、ボール20を除き、大多数のクラスタで曲線の平坦化が観察されず、他の地域では継続的または増加する感染伝播が示された。
• 地理的に近接しているが、社会的経済的特性が異なる地域（例：ロンドンとその周辺の通勤圏）では、顕著に異なる疫学的経路が観察された。これは、社会的経済的文脈の重要性を強調している。