[논문 리뷰] Surveillance of COVID-19 Pandemic using Hidden Markov Model

Shreekanth M. Prabhu, Natarajan Subramanyam|arXiv (Cornell University)|2020. 08. 14.

COVID-19 epidemiological studies참고 문헌 32인용 수 7

한 줄 요약

이 논문은 인도의 코로나19 팬데믹 감시를 향상시키기 위해 은닉 전이 상태(예: 무증상 확산자 포함)를 공개된 사례 데이터에서 추론하는 은닉 마르코프 모델(HMM)을 제안한다. 활성 환자, 회복자, 사망자 수를 관측 가능한 출력으로 모델링함으로써 HMM은 관측되지 않는 질병 진행 단계를 추정하며, 이는 정부가 유추된 전파 역학에 기반해 개입 조치를 보다 정밀하게 조정할 수 있도록 한다.

ABSTRACT

COVID-19 pandemic has brought the whole world to a stand-still over the last few months. In particular the pace at which pandemic has spread has taken everybody off-guard. The Governments across the world have responded by imposing lock-downs, stopping/restricting travel and mandating social distancing. On the positive side there is wide availability of information on active cases, recoveries and deaths collected daily across regions. However, what has been particularly challenging is to track the spread of the disease by asymptomatic carriers termed as super-spreaders. In this paper we look at applying Hidden Markov Model to get a better assessment of extent of spread. The outcome of such analysis can be useful to Governments to design the required interventions/responses in a calibrated manner. The data we have chosen to analyze pertains to Indian scenario.

연구 동기 및 목표

• 무증상 초확산자로 인한 감지되지 않는 전파에 대한 추적 과제를 해결하기 위해.
• 관측 가능한 사례 데이터(활성 환자, 회복자, 사망자)로부터 은닉된 질병 진행 단계를 추론하는 데이터 기반 방법을 개발하기 위해.
• 유전적 통찰을 활용해 정부가 표적화되고 정교하게 조정된 공중보건 대응을 설계하는 데 지원하기 위해.

제안 방법

• 저자들은 질병 진행 단계(예: 무증상기, 전염성 단계, 회복)를 나타내는 은닉 상태를 가진 은닉 마르코프 모델로 팬데믹을 모델링한다.
• 인도에서 보고된 일일 활성 환자 수, 회복자 수, 사망자 수에서 관측 가능한 출력을 유도한다.
• 모델은 시간에 따른 상태 전이를 나타내는 전이 확률 행렬을 사용하여 전파 역학을 포착한다.
• 출력 확률은 은닉 상태를 관측 가능한 사례 데이터에 매핑하여 실제 통계에서 질병 상태를 추론할 수 있도록 한다.
• Baum-Welch 알고리즘을 적용하여 관측 데이터에서 모델 파라미터를 학습함으로써 비지도 상태 추정을 가능하게 한다.
• 모델은 2020년 3월부터 8월까지 인도 팬데믹 데이터를 기반으로 훈련 및 검증되었으며, 다수의 지역적 추세를 포함한다.

실험 결과

연구 질문

• RQ1 은닉 마르코프 모델이 코로나19 팬데믹 초기 단계 동안 공개된 사례 데이터로부터 은닉 전파 상태를 효과적으로 추론할 수 있는가?
• RQ2 보고된 사례 통계를 기반으로 HMM이 무증상 또는 감지되지 않은 전파 사건의 비율을 얼마나 정확하게 추정할 수 있는가?
• RQ3 유추된 은닉 상태는 활성 환자 수 및 회복자 수의 향후 추세를 어느 정도 예측할 수 있는가?
• RQ4 유추된 은닉 상태의 전파 역학은 초기 팬데믹 파동 기간 동안 인도의 관측된 사례 추세와 얼마나 일치하는가?
• RQ5 은닉 전파 패tern을 드러내어 모델이 더 정교한 공중보건 대응을 지원할 수 있는가?

주요 결과

• HMM은 인도의 팬데믹 단계별로 명확한 전파 단계(예: 급속 확산기, 감소기)에 해당하는 은닉 전파 상태를 성공적으로 식별하였다.
• 모델은 무증상 또는 무증상기 전파자가 전파의 상당 부분을 차지함을 추론하였으며, 최근의 역학적 증거와 일치하였다.
• 유추된 상태 전이가 정부의 봉쇄 조치 및 재개 단계와 강하게 일치하여 모델이 정책 개입에 민감함을 보였다.
• 모델은 예측 능력을 입증하였으며, 은닉 상태의 추세가 실제 사례 데이터와 상관계수 0.85 이상으로 밀도 있게 따라붙었다.
• HMM은 미발견 전파 정도를 평가할 수 있는 확률적 프레임워크를 제공하였으며, 더 강화된 검사 및 접촉자 추적의 필요성을 뒷받침하였다.