[논문 리뷰] Neural networks for dengue forecasting: a systematic review

Lober, Luiza, Francisco A. Rodrigues외 1명|arXiv (Cornell University)|2021. 06. 22.

Mosquito-borne diseases and control인용 수 6

한 줄 요약

이 체계적 리뷰는 62개의 연구를 대상으로 신경망이 dengue 예측에 어떻게 사용되고 있는지 평가하며, 특히 과거 유병률과 기후 데이터를 사용하는 얕은 전방향 신경망에서 경쟁적인 성능를 보이며, 딥 네트워크, 전이 학습, 기후 변화 하에서의 예측 등 아직 탐색되지 않은 분야를 강조한다. 본 리뷰는 공중보건 의사결정 지원을 위해 모델의 투명성과 벤치마킹 향상이 필요하다고 주장한다.

ABSTRACT

Background: Early forecasts of dengue are an important tool for disease mitigation. Neural networks are powerful predictive models that have made contributions to many areas of public health. In this study, we reviewed the application of neural networks in the dengue forecasting literature, with the objective of informing model design for future work. Methods: Following PRISMA guidelines, we conducted a systematic search of studies that use neural networks to forecast dengue in human populations. We summarized the relative performance of neural networks and comparator models, architectures and hyper-parameters, choices of input features, geographic spread, and model transparency. Results: Sixty two papers were included. Most studies implemented shallow feed-forward neural networks, using historical dengue incidence and climate variables. Prediction horizons varied greatly, as did the model selection and evaluation approach. Building on the strengths of neural networks, most studies used granular observations at the city level, or on its subdivisions, while also commonly employing weekly data. Performance of neural networks relative to comparators, such as tree-based supervised models, varied across study contexts, and we found that 63% of all studies do include at least one such model as a baseline, and in those cases about half of the studies report neural networks as the best performing model. Conclusions: The studies suggest that neural networks can provide competitive forecasts for dengue, and can reliably be included in the set of candidate models for future dengue prediction efforts. The use of deep networks is relatively unexplored but offers promising avenues for further research, as does the use of a broader set of input features and prediction in light of structural changes in the data generation mechanism.

연구 동기 및 목표

• 다양한 지리적 및 시간적 맥락에서 신경망 응용의 현재 상태를 평가하기 위해
• dengue 예측에서 다른 기계학습 모델과 비교해 신경망의 상대적 성능를 평가하기 위해
• 기존 연구에서 공통적으로 사용되는 아키텍처 선택, 입력 특징, 데이터 정밀도를 파악하기 위해
• 모델 투명성, 데이터 제약 조건, dengue 예측 분야의 향후 연구 기회를 검토하기 위해
• dengue 예측 맥락에서 전이 학습 및 해석 가능성 기법 등 아직 활용되지 않은 기법들을 부각하기 위해

제안 방법

• PRISMA 지침을 기반으로 Web of Science, Scopus, PubMed, ScienceDirect에서 체계적 문헌 검색을 수행하였으며, 검색어는 '(deep learning OR neural network) AND dengue'였다.
• 엄격한 포함 기준에 따라 세 단계의 선별 절차를 거쳤다: 제목, 초록, 전문 검토.
• 인간 집단의 dengue 유병률 또는 위험도 예측을 위해 신경망 또는 딥 러닝을 사용한 연구를 포함하였다.
• 진단에만 국한되거나, 유병률 연계 없이 벡터 모델링에 국한되거나, 예측 외의 응용을 다룬 연구는 제외하였다.
• 모델 아키텍처, 하이퍼파ram터, 입력 특징(예: 기후, 인구통계, 위성 데이터), 예측 수평, 평가 방법에 관한 데이터를 통합하였다.
• 모델 투명성, 데이터 부족 문제, SHAP를 통한 해석 가능성 및 전이 학습과 같은 새로운 방법론 트렌드를 평가하였다.

실험 결과

연구 질문

• RQ1 dengue 예측에서 가장 흔히 사용되는 신경망 아키텍처 유형은 무엇이며, 기존 기계학습 모델과 비교해 어떻게 성능를 보이는가?
• RQ2 신경망 기반 dengue 예측 모델에서 가장 자주 사용되는 입력 특징(예: 기후, 인구통계, 디지털 데이터)은 무엇인가?
• RQ3 지역적 범위, 특히 흥행성과 유행성 환경 간에 모델 성능는 어떻게 달라지는가?
• RQ4 현재 dengue 예측 연구에서 모델 투명성, 설명 가능성, 오픈소스 코드 공유 관행은 어느 정도 도입되어 있는가?
• RQ5 기후 변화와 데이터 부족의 맥락을 고려할 때, 신경망을 dengue 예측에 적용하는 데 있어 핵심적인 연구 격차는 무엇인가?

주요 결과

• 62개의 연구가 포함되었으며, 대부분 얕은 전방향 신경망을 사용하고 있으며, 과거 dengue 유병률과 기후 변수를 조합하였다.
• 기준 모델 비교가 포함된 연구 중 약 절반에서 신경망이 우수한 성능를 보였으며, 63%의 연구에서 최소한 하나의 기준 모델이 사용되었다.
• 대부분의 연구가 도시 또는 하위 지역 수준에서 주간 단위 데이터를 사용하여, 고해상도 시공간 예측 추세를 보였다.
• 본 리뷰에서 전이 학습을 적용한 연구는 예측된 CNN 외에는 유일한 한 건 뿐이었으며, 이는 데이터가 적은 환경에서의 중요한 연구 기회를 시사한다.
• 사례 수의 희소성과 0-과잉 현상은 모델 정확도에 악영향을 미치는 것으로 나타나, 더 나은 데이터 전처리가 필요함을 시사한다.
• growing 관심에도 불구하고, 대부분의 연구에서 코드와 방법에 대한 접근성이 제한되어 있어 재현성과 정책 수용에 장애를 줌을 보여주었다.