[논문 리뷰] An Investigation of COVID-19 Spreading Factors with Explainable AI Techniques

Xiuyi Fan, Siyuan Liu외 2명|arXiv (Cornell University)|2020. 05. 05.

COVID-19 diagnosis using AI참고 문헌 13인용 수 5

한 줄 요약

이 연구는 2020년 1월부터 4월까지 18개국의 공중보건 조치를 분석하기 위해 해석 가능한 인공지능(XAI) 기법인 SHAP와 ECPI를 사용한다. 그 결과, 도시 봉쇄와 접촉자 추적 조치가 순시 전파 수치 $R_t$ 감소에 가장 효과적인 것으로 밝혀졌다. 연구 결과에 따르면 마스크 착용과 따뜻한 기온도 전파 억제에 크게 기여하는 것으로 나타났으며, 다른 조치와 병행되지 않은 경우 대규모 검사만으로는 효과가 떨어진다.

ABSTRACT

Since COVID-19 was first identified in December 2019, various public health interventions have been implemented across the world. As different measures are implemented at different countries at different times, we conduct an assessment of the relative effectiveness of the measures implemented in 18 countries and regions using data from 22/01/2020 to 02/04/2020. We compute the top one and two measures that are most effective for the countries and regions studied during the period. Two Explainable AI techniques, SHAP and ECPI, are used in our study; such that we construct (machine learning) models for predicting the instantaneous reproduction number ($R_t$) and use the models as surrogates to the real world and inputs that the greatest influence to our models are seen as measures that are most effective. Across-the-board, city lockdown and contact tracing are the two most effective measures. For ensuring $R_t<1$, public wearing face masks is also important. Mass testing alone is not the most effective measure although when paired with other measures, it can be effective. Warm temperature helps for reducing the transmission.

연구 동기 및 목표

• 코로나19 초기 확산 단계에서 공중보건 조치의 상대적 효과를 순시 전파 수치 $R_t$ 감소 측면에서 평가하기.
• 봉쇄, 마스크 착용, 검사 등 다양한 조치 중에서 $R_t$ 감소에 가장 크게 기여하는 요소를 특정하기.
• 모델 예측의 해석 가능성을 높이기 위해 해석 가능한 인공지능(XAI) 기법을 적용하여 전파 통제에 가장 영향을 미치는 요인을 규명하기.
• 재확산을 방지하면서 제한 조치를 완화할 수 있는 근거 기반 정책 방안을 제시하기.

제안 방법

• 18개국의 확진자 수 시간열 자료를 기반으로 순시 전파 수치 $R_t$를 예측하기 위한 기계학습 모델을 구축함.
• 봉쇄, 학교 폐쇄, 해외 입국 금지 등의 공중보건 조치 이력 정보를 모델의 입력 특성으로 통합함.
• SHAP(샤플리 추가 설명)와 ECPI(확률적 추론 기반 해석 가능한 분류)를 적용하여 모델 예측의 해석 가능성을 높이고 영향력 있는 요인을 규명함.
• rp5.ru에서 확보한 기상 데이터(기온 및 습도)를 활용해 환경적 요인이 전파에 미치는 영향을 분석함.
• 모델 예측 결과를 실제 세계의 동적 상황을 대체하는 서rogate로 간주하고, 특성 중요도를 조치의 효과성 지표로 활용함.
• Kaggle, 위키백과, 정부 자료 등을 종합하여 조치 시행 일자와 감염자 추세 간의 일치를 확보함.

실험 결과

연구 질문

• RQ1 코로나19 초기 단계(2020년 1월~4월) 동안 어떤 공중보건 조치가 $R_t$ 감소에 가장 효과적인가?
• RQ2 도시 봉쇄와 접촉자 추적 조치는 대규모 검사나 마스크 착용 의무화와 비교해 어떤가?
• RQ3 주변 기온은 코로나19 전파율에 어느 정도의 영향을 미치는가?
• RQ4 SHAP와 ECPI와 같은 해석 가능한 인공지능 기법이 복잡한 실제 데이터에서 가장 영향력 있는 조치를 신뢰성 있게 식별할 수 있는가?
• RQ5 마스크 착용과 검사 조치가 별도로 시행되었을 때와 병행되었을 때의 상대적 기여도는 어떠한가?

주요 결과

• SHAP와 ECPI를 통한 강력한 모델 해석 가능성 지원에 기반해, 도시 봉쇄와 접촉자 추적이 $R_t$를 1 이하로 낮추는 데 가장 효과적인 조치로 규명됨.
• 공공 마스크 착용은 전파 감소에 매우 효과적이었으며, 지속적인 이행이 이루어질 경우 $R_t < 1$ 유지에 필수적임.
• 대규모 검사만으로는 가장 효과적인 단독 조치가 아니었지만, 접촉자 추적과 같은 다른 조치와 병행될 경우 효과가 향상됨.
• 기온이 높을수록 전파율 감소와 관련이 있었으며, 이는 $R_t$에 대한 환경적 조절 효과가 있을 수 있음을 시사함.
• 특히 모바일 추적 기술 등 기술적 지원이 있는 접촉자 추적 조치는 봉쇄와 함께 시행되고 강력한 개인정보 보호 조치가 함께 이루어질 경우 가장 효과적임.
• 정부 홍보 및 학교 폐쇄 조치는 중간 정도의 영향을 미쳤지만, 그 효과는 일관되지 않으며 봉쇄와 접촉자 추적에 비해 보조적 성격이 강함.