[논문 리뷰] From Ecological Connectivity to Outbreak Risk: A Heterogeneous Graph Network for Epidemiological Reasoning under Sparse Spatiotemporal Data

Haley Stone, Jing Du외 9명|arXiv (Cornell University)|2026. 01. 08.

Zoonotic diseases and public health인용 수 0

한 줄 요약

zooNet은 생태 전염 시뮬레이션, 메타데이터 기반 유전 거리 보정 및 시공간 그래프 학습을 결합하여 희소 감시 하에서 미국의 A/H5 조류 인플루엔자 발생 역학을 추정하는 그래프 기반 프레임워크이다.

ABSTRACT

Estimating population-level prevalence and transmission dynamics of wildlife pathogens can be challenging, partly because surveillance data is sparse, detection-driven, and unevenly sequenced. Using highly pathogenic avian influenza A/H5 clade 2.3.4.4b as a case study, we develop zooNet, a graph-based epidemiological framework that integrates mechanistic transmission simulation, metadata-driven genetic distance imputation, and spatiotemporal graph learning to reconstruct outbreak dynamics from incomplete observations. Applied to wild bird surveillance data from the United States during 2022, zooNet recovered coherent spatiotemporal structure despite intermittent detections, revealing sustained regional circulation across multiple migratory flyways. The framework consistently identified counties with ongoing transmission weeks to months before confirmed detections, including persistent activity in northeastern regions prior to documented re-emergence. These signals were detectable even in areas with sparse sequencing and irregular reporting. These results show that explicitly representing ecological processes and inferred genomic connectivity within a unified graph structure allows persistence and spatial risk structure to be inferred from detection-driven wildlife surveillance data.

연구 동기 및 목표

• 희소하고 편향된 감시 데이터에서 야생생물의 집단 수준 유병률과 전파를 추정할 동기.
• 생태, 게놈, 역학 정보를 하나의 그래프 표현으로 융합하는 모듈식 프레임워크를 개발.
• 관측이 불완전하더라도 발생 연결성 및 전파 역학의 추론을 가능하게 한다.
• 미국의 이주 비행로에서 A/H5 확산의 공간적·시간적 패턴을 평가한다.

제안 방법

• 발생 사건과 행정 구역으로 이층 이질 그래프를 구성한다.
• SEI 기반 생태 시뮬레이션으로 검출을 보강하여 합성 감염을 생성한다.
• 미측정 또는 보강된 사례의 유전 거리를 추정하기 위해 K80 거리를 활용한 메타데이터 기반 분위수 회귀 모델을 사용한다.
• 교차층 평활화 및 그래프 융합으로 생태학적, 유전적, 공간적 관계를 통합하면서 그래프 속성을 보존한다.
• 연속 시점에 걸친 자기회귀 그래프 인코더–디코더로 시간적 역학을 모델링한다.
• 교차 검증으로 미국 조류 비행로 전반의 성능을 평가하고 기준선과 비교한다.

Figure 1: zooNet integrates ecological simulation, genetic distance imputation, and multilayer graph learning to forecast the spread of avian influenza A/H5 in wild birds. SEI-based simulation generates synthetic infections using environmental and host factors. Genetic distances are imputed using a

실험 결과

연구 질문

• RQ1 zooNet은 희소하고 탐지 주도적 감시 하에서 A/H5 발병의 일관된 시공간 구조를 회복할 수 있는가?
• RQ2 생태적 연결성, 유전적 연결성, 공간 상관관계가 비행로 전반의 발병 위험 예측에 어떻게 결합되는가?
• RQ3 SEI 증강 및 유전 거리 추정의 예측 성능과 신호 유용성은 어떠한가?
• RQ4 이주 비행로마다 그리고 감시 기간 동안 성능은 어떻게 달라지는가?

주요 결과

• zooNet은 간헐적인 검출에도 불구하고 미국 이주 비행로 전역에서 A/H5 위험의 일관된 시공간 패턴을 생성했다.
• 예측 성능은 비행로에 따라 달라졌으며 대서양에서 MSE가 49.85 ± 10.48로 최저였고 태평양에서 155.81 ± 48.91로 최고였다.
• 검출의 F1 점수는 Central에서 0.0565 ± 0.0233에서 Pacific에서 0.1383 ± 0.0725까지로, 재현율이 정밀도보다 더 높음을 나타냈다.
• 예측 경향과 관찰 경향 간의 피어슨 상관계수는 Pacific에서 0.2173 ± 0.0644로 가장 높았고 Central 비행로에서 0.0950 ± 0.0280로 가장 낮았다.
• 변형 실험은 전체 zooNet이 일반적으로 변형보다 우수한 경향을 보였으며 SEI 증강과 유전 거리 추정은 비행로에 따라 다르게 기여했다.
• 이 프레임워크는 계절적 및 공간적 이질성을 포착하며, 예측된 발병이 몇몇 카운티의 일부 확인된 검출보다 앞서 나타났다.

Figure 2: Effect of module removal on prediction error and standard deviation across flyways.