[논문 리뷰] Stochastic Optimal Control of Epidemic Processes in Networks

Lars Lorch, Abir De외 4명|arXiv (Cornell University)|2018. 10. 30.

Mental Health Research Topics참고 문헌 17인용 수 6

한 줄 요약

이 논문은 개인의 감염, 회복 및 치료 사건을 표식이 부여된 시간적 점과정(MTPPs)으로 모델링하고, 제어를 점프가 있는 확률적 미분방정식(SDE)으로 설정하여 네트워크 내 전염병 확산을 완화하기 위한 새로운 스토하스틱 최적 제어 프레임워크를 제안한다. 이 방법은 감염자 수를 최소화하는 시간 및 상태에 따라 변하는 치료 강도를 계산하며, 실시간으로 세밀한 전염병 역학 데이터를 사용한 합성 실험에서 기준 전략보다 뛰어난 성능을 보인다.

ABSTRACT

We approach the development of models and control strategies of susceptible-infected-susceptible (SIS) epidemic processes from the perspective of marked temporal point processes and stochastic optimal control of stochastic differential equations (SDEs) with jumps. In contrast to previous work, this novel perspective is particularly well-suited to make use of fine-grained data about disease outbreaks and lets us overcome the shortcomings of current control strategies. Our control strategy resorts to treatment intensities to determine who to treat and when to do so to minimize the amount of infected individuals over time. Preliminary experiments with synthetic data show that our control strategy consistently outperforms several alternatives. Looking into the future, we believe our methodology provides a promising step towards the development of practical data-driven control strategies of epidemic processes.

연구 동기 및 목표

• 개별 수준의 전염병 역학과 제어를 포괄하지 못하는 결정론적 및 평균장 모델의 한계를 해결하기 위해.
• 세밀한 유행 데이터를 활용하여 실시간, 데이터 기반의 전염병 완화 제어 전략을 개발하기 위해.
• 오프라인, 그래프 이론 기반 제어 정책의 열등한 성능을 극복하기 위해 동적인 이벤트 기반 치료 결정을 가능하게 하기 위해.
• 개인이 즉각적으로 치료를 전환할 수 없고, 회복 속도가 제한되는 현실적인 치료 역학을 모델링하기 위해.
• 점프가 있는 SDE와 MTPPs를 사용하여 제어 문제를 스토하스틱 최적 제어 과제로 공식화함으로써 정확한 상태 추적과 최적의 간섭 시점 결정을 가능하게 하기 위해.

제안 방법

• 감염, 회복 및 치료 사건에 대해 표식이 부여된 시간적 점과정(MTPPs)을 사용하여 개인의 전염병 상태(감염 가능성, 감염, 치료 중)를 모델링한다.
• 상태 전이를 점프 과정으로 포착하는 점프가 있는 확률적 미분방정식(SDEs)을 통해 시스템 역학을 표현한다.
• 지역 주변 상태(감염 및 치료 중인 이웃)를 기반으로 감염, 회복 및 치료의 강도 함수를 정의하며, 질병 특화 매개변수를 통합한다.
• 시간에 따라 감염자 수를 최소화하는 제어 문제를 스토하스틱 최적 제어 과제로 공식화하며, 비용-지출 함수와 하미르톤-지오르기-벨리만(HJB) 방정식을 사용한다.
• 각 상태 변화에서 볼록 최적화 문제(선형 프로그래밍)를 풀어 닫힌 형태의 최적 정책을 유도함으로써 최소한의 치료 간섭을 보장한다.
• 상태 전이 후 실시간으로 치료 강도를 재계산하는 온라인 알고리즘을 구현하며, 거부 샘플링 또는 초합성 기법을 사용해 계획된 치료 이벤트를 조정한다.

실험 결과

연구 질문

• RQ1 MTPPs와 점프가 있는 SDE를 기반으로 하는 스토하스틱 최적 제어 프레임워크가 네트워크 내 개인 수준의 전염병 역학을 효과적으로 모델링할 수 있는가?
• RQ2 제안된 동적이고 이벤트 기반의 제어 전략은 정적 또는 오프라인 제어 정책에 비해 전염병 확산을 얼마나 효과적으로 줄이는가?
• RQ3 세밀한 실시간 감염 및 회복 데이터를 얼마나 효과적으로 활용하여 제어 성능을 향상시킬 수 있는가?
• RQ4 비순시적 치료 전환 등의 현실적 제약 조건 하에서 치료 강도와 전염병 완화 사이의 상호 상충 관계는 어떠한가?
• RQ5 볼록 최적화를 통해 유도된 최적 정책은 실시간으로 효율적으로 계산되어 실용적 구현이 가능한가?

주요 결과

• 제안된 스토하스틱 최적 제어 프레임워크는 합성 전염병 시뮬레이션에서 기준 제어 전략을 일관되게 능가하여 감염자 수를 시간이 지남에 따라 감소시킨다.
• 이 방법은 감염 및 회복 이벤트에 동적으로 반응하는 실시간 적응형 치료 결정을 가능하게 하여 제어 정확도를 향상시킨다.
• 최적 치료 정책은 볼록 최적화 문제(선형 프로그래밍)를 통해 도출되어 계산 효율성과 확장성을 보장한다.
• 기존 접근법과 달리 비순시적 전환과 제한된 회복 속도를 포함한 현실적인 치료 제약 조건을 고려한다.
• HJB 방정식의 해는 최적 치료 강도에 대한 닫힌 형태의 표현식을 제공하여 최소한의 계산 오버헤드로 온라인 구현이 가능하다.
• 상태 변수가 변화할 때만 제어 강도를 재계산함으로써 알고리즘은 계산 가능성을 유지하며 런타임 비용을 절감한다.