[논문 리뷰] Game-Theoretic Protection Against Networked SIS Epidemics by Human Decision-Makers

Ashish R. Hota, Shreyas Sundaram|arXiv (Cornell University)|2017. 03. 01.

COVID-19 epidemiological studies인용 수 1

한 줄 요약

이 논문은 인구 게임 프레임워크를 사용하여 네트워크 기반 SIS 전염병에서 탈중앙화된 예방접종 결정을 모델링하며, 인간 의사결정자가 전염 위험을 인지하는 데 행동적 편향을 보인다. 고도 수치를 가진 노드들이 예방접종을 하며, 비용이 높을 경우 위험에 대한 오인 인식이 예방접종 참여율을 낮추는 것을 입증하며, 멱법칙 네트워크에서 임계값 비율에 대한 좁은 범위를 유도한다.

ABSTRACT

We study decentralized protection strategies against Susceptible-Infected-Susceptible (SIS) epidemics on networks. We consider a population game framework where nodes choose whether or not to vaccinate themselves, and the epidemic risk is defined as the infection probability at the endemic state of the epidemic under a degree-based mean-field approximation. Motivated by studies in behavioral economics showing that humans perceive probabilities and risks in a nonlinear fashion, we specifically examine the impacts of such misperceptions on the Nash equilibrium protection strategies. We first establish the existence and uniqueness of a threshold equilibrium where nodes with degrees larger than a certain threshold vaccinate. When the vaccination cost is sufficiently high, we show that behavioral biases cause fewer players to vaccinate, and vice versa. We quantify this effect for a class of networks with power-law degree distributions by proving tight bounds on the ratio of equilibrium thresholds under behavioral and true perceptions of probabilities. We further characterize the socially optimal vaccination policy and investigate the inefficiency of Nash equilibrium.

연구 동기 및 목표

• 인간이 전염 확률을 인지하는 데 나타나는 행동적 편향이 네트워크 기반 SIS 전염병에서 탈중앙화된 예방접종 전략에 미치는 영향을 이해하는 것.
• 이러한 편향이 나시 균형 보호 전략의 존재성과 구조에 미치는 영향을 분석하는 것.
• 스케일프리 네트워크에서 행동적 인지와 진정한 전염병 확률 간의 균형 간의 편차를 정량화하는 것.
• 사회적으로 최적의 예방접종 정책을 특성화하고, 위험 오인 인식 하에서 나시 균형의 비효율성을 평가하는 것.

제안 방법

• 도수 기반 평균장 근사법을 사용하여 만성 전염 확률을 추정함으로써 전염병 역학을 모델링한다.
• 각 노드가 인식한 위험과 비용에 기반해 독립적으로 예방접종 여부를 결정하는 인구 게임을 수립한다.
• 프로스펙트 이론에 영감을 받아 행동적 편향을 반영하는 비선형 확률 가중 함수를 도입한다.
• 도수 값이 임계값을 초과하는 노드들이 예방접종을 선택하는 임계값 균형의 존재성과 유일성을 입증한다.
• 멱법칙 네트워크에서 행동적 인지와 진정한 확률 인지 간의 균형 임계값 비율에 대한 좁은 상한 및 하한을 도출한다.
• 복지 손실 지표를 사용하여 나시 균형의 효율성을 사회적 최적 예방접종 정책과 비교한다.

실험 결과

연구 질문

• RQ1 네트워크에서 탈중앙화된 예방접종 결정에 대해 유일한 임계값 균형이 존재하는 조건은 무엇인가?
• RQ2 진정한 전염병 확률에 비해 행동적 위험 인지 편향이 예방접종의 임계도수에 어떤 영향을 미치는가?
• RQ3 예방접종 비용이 높을 경우 위험 오인 인식이 백신 접종 비율에 미치는 정량적 영향은 무엇인가?
• RQ4 스케일프리 네트워크에서 나시 균형의 비효율성은 사회적으로 최적의 예방접종 정책과 비교해 어떻게 나타나는가?
• RQ5 멱법칙 네트워크에서 행동적 인지와 진정한 인지 간의 균형 임계값 비율에 대한 좁은 경계는 무엇인가?

주요 결과

• 특정 확률 가중 함수의 형태에 관계없이, 특정 임계값을 초과하는 모든 도수를 가진 노드들이 예방접종을 선택하는 유일한 임계값 균형이 존재한다.
• 예방접종 비용이 높을 경우, 행동적 편향으로 인해 정확한 위험 인지가 있을 경우보다 예방접종을 하는 노드 수가 줄어든다.
• 멱법칙 네트워크에서는 행동적 인지와 진정한 인지 간의 균형 임계값 비율이 좁은 간격 내에 놓여 있으며, 이는 오인 인식의 영향을 정량화한다.
• 비용이 높을 경우 사회적으로 최적의 예방접종 정책은 나시 균형보다 더 높은 예방접종 임계도수를 요구하며, 이는 탈중앙화된 결정으로 인한 복지 손실을 시사한다.
• 위험 오인 인식 하에서 나시 균형의 비효율성 — 즉 사회적 복지와 균형 복지 간 격차 — 는 특히 고도 수치를 가진 허브 노드가 많은 스케일프리 네트워크에서 더욱 심화된다.
• 분석 결과, 고도 수치를 가진 노드들은 진정한 인지와 행동적 인지 모두에서 예방접종을 더 많이 하게 되지만, 행동적 편향이 있을 경우 전체 보호 수준을 낮추는 데 영향을 주는 더 높은 임계도수를 보인다.