[논문 리뷰] Artificial Intelligence Forecasting of Covid-19 in China

Zixin Hu, Qiyang Ge외 3명|arXiv (Cornell University)|2020. 02. 17.

COVID-19 epidemiological studies참고 문헌 7인용 수 118

한 줄 요약

본 논문은 수정된 적층형 자동인코더를 활용한 AI 기반 접근법으로 중국 전역의 COVID-19 전개를 예측하고, 다단 예측 오차를 낮은 단일 자리수로 달성하며 성(省)을 전염 기반 그룹으로 클러스터링한다.

ABSTRACT

BACKGROUND An alternative to epidemiological models for transmission dynamics of Covid-19 in China, we propose the artificial intelligence (AI)-inspired methods for real-time forecasting of Covid-19 to estimate the size, lengths and ending time of Covid-19 across China. METHODS We developed a modified stacked auto-encoder for modeling the transmission dynamics of the epidemics. We applied this model to real-time forecasting the confirmed cases of Covid-19 across China. The data were collected from January 11 to February 27, 2020 by WHO. We used the latent variables in the auto-encoder and clustering algorithms to group the provinces/cities for investigating the transmission structure. RESULTS We forecasted curves of cumulative confirmed cases of Covid-19 across China from Jan 20, 2020 to April 20, 2020. Using the multiple-step forecasting, the estimated average errors of 6-step, 7-step, 8-step, 9-step and 10-step forecasting were 1.64%, 2.27%, 2.14%, 2.08%, 0.73%, respectively. We predicted that the time points of the provinces/cities entering the plateau of the forecasted transmission dynamic curves varied, ranging from Jan 21 to April 19, 2020. The 34 provinces/cities were grouped into 9 clusters. CONCLUSIONS The accuracy of the AI-based methods for forecasting the trajectory of Covid-19 was high. We predicted that the epidemics of Covid-19 will be over by the middle of April. If the data are reliable and there are no second transmissions, we can accurately forecast the transmission dynamics of the Covid-19 across the provinces/cities in China. The AI-inspired methods are a powerful tool for helping public health planning and policymaking.

연구 동기 및 목표

• 중국에서 실시간 COVID-19 예측을 위한 기존 역학 모델에 대한 AI 중심 대안을 제시하도록 동기를 부여한다.
• 초기 2020년 데이터를 바탕으로 전염 역학을 모델링하기 위한 수정된 적층형 자동인코더를 개발한다.
• 잠재 표현을 이용해 성/도시를 클러스터링하고 전파 구조를 밝혀낸다.
• 지역별 누적 확진자 수에 대한 다단 예측을 제공하고 상승세의 정체 시점을 식별한다.

제안 방법

• COVID-19 전파 역학을 모델링하기 위한 수정된 적층형 자동인코더를 개발한다.
• 모델을 2020년 1월 11일부터 2월 27일까지의 중국 각 성의 실시간 데이터에 적용한다.
• 오토인코더의 잠재 변수를 클러스터링에 활용하여 성/도시를 전염 기반 클러스터로 그룹화한다.
• 2020년 1월 20일부터 2020년 4월 20일까지 누적 확진자 수를 예측하기 위한 다단 예측을 수행한다.
• 6단계에서 10단계의 수평에서 단계별 오차로 예측 정확도를 추정한다.

실험 결과

연구 질문

• RQ1 수정된 적층형 자동인코더를 포함한 AI 중심 모델이 중국의 성(省)과 도시 전역의 COVID-19 궤적을 정확히 예측할 수 있는가?
• RQ2 잠재 표현이 지역 전파 구조를 어떻게 포착하고 성/도시의 클러스터링을 어떻게 지원하는가?
• RQ3 중국의 누적 확진자에 대한 다단 예측(6–10단계)의 기대 정확도는 어느 정도인가?
• RQ4 신뢰 가능한 데이터 가정하에 성/도시들이 예측된 전파 역학의 정체 구간에 진입하는 시점은 언제인가?

주요 결과

• AI 기반 방법은 다단 예측 구간(6단계에서 10단계)에서 평균 예측 오차가 낮았으며 보고된 값은 각각 1.64%, 2.27%, 2.14%, 2.08%, 0.73%이다.
• 잠재 표현에 기반해 34개 성/도시가 9개 클러스터로 그룹화되었다.
• 모델은 2020년 1월 20일부터 2020년 4월 20일까지 중국 전역의 누적 확진자 수 궤적을 예측했다.
• 신뢰 가능한 데이터와 2차 전파가 없다는 가정 하에 4월 중순까지 유행이 종식될 수 있다고 예측했다.
• 잠재 변수 클러스터링이 성/도시 간의 전파 구조를 밝혀 타깃형 보건 계획을 뒷받침했다.