[논문 리뷰] Progmosis: Evaluating Risky Individual Behavior During Epidemics Using Mobile Network Data

Antonio Lima, Veljko Pejović외 3명|arXiv (Cornell University)|2015. 04. 06.

Human Mobility and Location-Based Analysis참고 문헌 18인용 수 5

한 줄 요약

Progmosis는 이동망 데이터를 활용하여 개인 수준의 전파 위험을 평가하는 개인정보 보호 기반의 유행병 차단 모델을 제안한다. 이 모델은 이동 패턴과 지역 감염률을 기반으로 각 사용자가 전파할 잠재적 위험을 정량화한다. 시뮬레이션 결과, 에볼라 유사 유행병 동안 고위험 개인의 이동 제한을 통해 30일 이내 2차 감염 수를 24% 감소시킬 수 있다.

ABSTRACT

The possibility to analyze, quantify and forecast epidemic outbreaks is fundamental when devising effective disease containment strategies. Policy makers are faced with the intricate task of drafting realistically implementable policies that strike a balance between risk management and cost. Two major techniques policy makers have at their disposal are: epidemic modeling and contact tracing. Models are used to forecast the evolution of the epidemic both globally and regionally, while contact tracing is used to reconstruct the chain of people who have been potentially infected, so that they can be tested, isolated and treated immediately. However, both techniques might provide limited information, especially during an already advanced crisis when the need for action is urgent. In this paper we propose an alternative approach that goes beyond epidemic modeling and contact tracing, and leverages behavioral data generated by mobile carrier networks to evaluate contagion risk on a per-user basis. The individual risk represents the loss incurred by not isolating or treating a specific person, both in terms of how likely it is for this person to spread the disease as well as how many secondary infections it will cause. To this aim, we develop a model, named Progmosis, which quantifies this risk based on movement and regional aggregated statistics about infection rates. We develop and release an open-source tool that calculates this risk based on cellular network events. We simulate a realistic epidemic scenarios, based on an Ebola virus outbreak; we find that gradually restricting the mobility of a subset of individuals reduces the number of infected people after 30 days by 24%.

연구 동기 및 목표

• 이용 가능한 이동망 데이터를 활용해 유행병 기간 동안 개인 수준의 전파 위험을 평가하는 방법을 개발하는 것.
• 감염자 신원을 알지 못해도 감염 확산 가능성이 높은 개인을 식별함으로써 표적적 공중보건 대응을 가능하게 하는 것.
• 검사, 격리 또는 건강 메시지 전파와 같은 조치를 이동 기반 우선순위에 따라 정렬함으로써 유행 전파를 줄이는 것.
• 이동 데이터가 사용자 기기 외부로 이동하지 않는 탈중앙화된 구현 방식을 통해 사용자 개인정보를 보호하는 것.
• 실제 이동 추적 데이터에서 유도된 위험 점수를 바탕으로 이동 제한 전략의 효과를 평가하는 것.

제안 방법

• 모델은 셀룰러 네트워크 통화 세부 기록(CDR)을 사용하여 개인의 이동 패턴과 지역 감염률을 추론한다.
• 감염 전파 가능성과 예상 2차 감염 수를 기반으로 사용자별 위험 점수를 계산한다.
• 이동 데이터와 집계된 지역 감염 통계를 조합하여 개인의 전파 가능성을 추정한다.
• 탈중앙화된 방식으로 CDR 이벤트에서 위험 점수를 계산할 수 있도록 오픈소스 도구를 구현한다.
• 실제 이동 추적 데이터를 사용하여 시뮬레이션을 수행하며, 에볼라와 유사한 유행병 상황을 가정하고 이동 제한 조건을 통제한다.
• 고위험 개인의 이동 제한과 무작위 선택 간의 영향을 평가한다.

실험 결과

연구 질문

• RQ1 감염자 신원을 알지 못해도 이동망 데이터를 활용해 유행 기간 동안 개인의 전파 위험을 추정할 수 있는가?
• RQ2 위험 점수 기반의 표적적 이동 제한이 2차 감염 수를 얼마나 효과적으로 줄이는가?
• RQ3 탈중앙화된 배포 방식이 개인정보 보호와 시스템의 실용적 타당성에 어떤 영향을 미치는가?
• RQ4 유행에 대한 인지로 인한 행동 변화가 이동 기반 위험 평가의 신뢰성에 어떤 영향을 미치는가?
• RQ5 개인 간 전파 위험의 이질성이 표적적 차단 전략의 총체적 효과에 얼마나 큰 영향을 미치는가?

주요 결과

• Progmosis가 고위험 개인 중 일부를 선별해 이동을 제한함으로써, 무작위 선택 대비 30일 후 감염자 수를 24% 감소시켰다.
• 감염자 신원을 알지 못해도 이동 패턴과 지역 감염률을 바탕으로 전파 가능성이 높은 개인을 성공적으로 식별할 수 있었다.
• 실제 CDR 데이터를 사용하여 감염이 발생하지 않은 국가의 이동 패턴을 기반으로 시뮬레이션을 수행했으며, 이는 모델이 실제 이동 패턴에 적용 가능함을 보여준다.
• 감염자 신원을 사전에 알지 못해도 시스템이 효과를 발휘함을 확인했으며, 이는 불확실성 상황에서도 유용함을 시사한다.
• 탈중앙화된 배포 방식은 실현 가능하며 중심화된 시스템보다 바람직한데, 이는 사용자 개인정보 보호를 유지하면서도 위험 평가 정확도를 유지하기 때문이다.
• 모델은 전파의 개인 수준 이질성을 고려할 때 표적적 조치가 전반적인 효과를 높이는 데 중요함을 입증한다.