[논문 리뷰] From predictions to prescriptions: A data-driven response to COVID-19

Dimitris Bertsimas, Léonard Boussioux외 19명|arXiv (Cornell University)|2020. 06. 30.

COVID-19 epidemiological studies참고 문헌 28인용 수 12

한 줄 요약

이 논문은 임상, 병원, 전염병학 데이터를 통합하여 코로나19 사망률을 예측하고 팬데믹 확산을 예측하며 산소호흡기 할당을 최적화하는 데이터 기반 프레임워크를 제시한다. 기계학습과 혼합정수계획법을 활용해 실시간 산소호흡기 분류, 중환자실 계획 수립 및 주 간 자원 재분배를 가능하게 하며, 연방 정부 지원과 협력한 이동 전략을 통해 산소호흡기 부족을 완전히 제거할 수 있음을 입증한다. 이 모델은 전 세계적으로 임상 및 정책적 활용을 위해 도입되었다.

ABSTRACT

The COVID-19 pandemic has created unprecedented challenges worldwide. Strained healthcare providers make difficult decisions on patient triage, treatment and care management on a daily basis. Policy makers have imposed social distancing measures to slow the disease, at a steep economic price. We design analytical tools to support these decisions and combat the pandemic. Specifically, we propose a comprehensive data-driven approach to understand the clinical characteristics of COVID-19, predict its mortality, forecast its evolution, and ultimately alleviate its impact. By leveraging cohort-level clinical data, patient-level hospital data, and census-level epidemiological data, we develop an integrated four-step approach, combining descriptive, predictive and prescriptive analytics. First, we aggregate hundreds of clinical studies into the most comprehensive database on COVID-19 to paint a new macroscopic picture of the disease. Second, we build personalized calculators to predict the risk of infection and mortality as a function of demographics, symptoms, comorbidities, and lab values. Third, we develop a novel epidemiological model to project the pandemic's spread and inform social distancing policies. Fourth, we propose an optimization model to re-allocate ventilators and alleviate shortages. Our results have been used at the clinical level by several hospitals to triage patients, guide care management, plan ICU capacity, and re-distribute ventilators. At the policy level, they are currently supporting safe back-to-work policies at a major institution and equitable vaccine distribution planning at a major pharmaceutical company, and have been integrated into the US Center for Disease Control's pandemic forecast.

연구 동기 및 목표

• 코로나19 팬데믹 기간 동안 환자 분류 및 자원 배분의 핵심 과제를 해결하기 위해.
• 의료 및 정책 결정 지원을 위한 묘사적, 예측적, 규정적 분석을 통합한 통합 분석 프레임워크를 개발하기 위해.
• 공급 및 이동 제약 조건 하에 산소호흡기 부족을 줄이기 위해 주 간 이동 및 전략적 연방 공급 배치를 통해.
• 임상 연구, 전자건강기록(EHR), 인구조성 보고서 등 통합 데이터를 활용해 실시간 임상 결정 및 장기적 팬데믹 계획 수립을 지원하기 위해.
• 병원, 헬스케어 시스템 및 공중보건 기관에서 사용 가능한 실행 가능한 의사결정 지원 도구를 제공하기 위해.

제안 방법

• 질병의 임상 양상과 결과를 특성화하기 위해 수백 건의 임상 연구 데이터를 종합하여 포괄적인 데이터베이스를 구축하였다.
• 연령, 성별, 증상, 기저질환, 검사값 등의 정보를 기반으로 기계학습을 활용해 개인 맞춤형 위험 계산기 개발하여 감염 및 사망 위험을 예측하였다.
• 지역적 팬데믹 확산을 예측하고 사회적 거리두기 정책을 안내하기 위해 새로운 전염병 모델(DELPHI-pred)을 구축하였다.
• 공급 및 이동 제약 조건 하에 산소호흡기 부족을 최소화하는 주 간 재할당을 위해 혼합정수계획 모델을 수립하였다.
• 하트퍼드 헬스케어에서 적용한 바와 같이, 군 단위 수요 예측을 병원 수준의 계획에 통합하여 내부 산소호흡기 재분배를 가능하게 하였다.
• 공개 웹사이트를 통해 모델을 배포하여 병원, 기업, 정부 기관의 실시간 의사결정 지원을 제공하였다.

실험 결과

연구 질문

• RQ1 임상 및 인구통계 데이터를 활용해 환자 수준의 감염 및 사망 위험을 정확하게 예측할 수 있는가?
• RQ2 팬데믹 급증기 동안 산소호흡기 부족을 완전히 제거하기 위한 최적의 주 간 이동 전략은 무엇인가?
• RQ3 사회적 거리두기 정책은 팬데믹 정점과 의료 시스템 수용 능력에 어떤 영향을 미치는가?
• RQ4 연방 및 주 간 자원 공유를 통해 지역 수요를 손상시키지 않으면서 산소호흡기 부족을 얼마나 줄일 수 있는가?
• RQ5 예측 모델을 어떻게 활용해 의료 시스템 전반에서 예상 수요에 맞춰 산소호흡기 공급을 사전에 조율할 수 있는가?

주요 결과

• 산소호흡기 부족은 산소호흡기 분배 협력과 전략적 연방 공급 배치를 통해 완전히 제거될 수 있으며, 산소호흡기 분할과 같은 극단적 조치가 필요하지 않다.
• 주 간 이동은 팬데믹 초반에 조기에 시작할수록 가장 효과적이며, 대부분의 이동이 초기 급증 단계에 집중된다.
• 지역 협력을 통해 주들은 90퍼센트 이상의 산소호흡기 수요를 충족시킬 수 있으며, 국경을 초월한 이동은 마지막 수단으로서만 필요로 한다.
• 가장 큰 이동은 저부족 상태의 주들(예: 오ハイ오, 펜실베이니아, 노스캐롤라이나)에서 고부족 상태의 주들(예: 뉴욕, 뉴저지)으로 이루어진다.
• 모델은 각 주의 산소호흡기 공급량을 최대 10퍼센트 이내로만 통합 풀링할 것을 권고하여 탄력성과 부족 제거를 동시에 확보한다.
• 이 프레임워크는 하트퍼드 헬스케어의 내부 재분배 시스템 및 국가 차원 정책 계획에 실제 적용되었으며, 미국 질병통제예방센터(CDC)의 팬데믹 예측 시스템에 통합되어 있다.