[논문 리뷰] The Effects of Air Quality on the Spread of the COVID-19 Pandemic in Italy: An Artificial Intelligence Approach

Andrea Loreggia, Anna Passarelli외 1명|arXiv (Cornell University)|2021. 04. 09.

COVID-19 diagnosis using AIMedicine인용 수 1

한 줄 요약

이 연구는 환경 데이터를 기반으로 훈련된 기계학습 모델을 사용하여 이탈리아에서 공기 질이 코로나19 전파에 미치는 영향을 조사한다. 기온과 오존은 새로운 확진자 수와 음의 상관관계를 보이며, PM10과 NO2는 양의 상관관계를 보이며, 예측 모델은 일일 감염 수를 강력한 정확도로 예측한다.

ABSTRACT

The COVID-19 pandemic considerably affects public health systems around the world. The lack of knowledge about the virus, the extension of this phenomenon, and the speed of the evolution of the infection are all factors that highlight the necessity of employing new approaches to study these events. Artificial intelligence techniques may be useful in analyzing data related to areas affected by the virus. The aim of this work is to investigate any possible relationships between air quality and confirmed cases of COVID-19 in Italian districts. Specifically, we report an analysis of the correlation between daily COVID-19 cases and environmental factors, such as temperature, relative humidity, and atmospheric pollutants. Our analysis confirms a significant association of some environmental parameters with the spread of the virus. This suggests that machine learning models trained on the environmental parameters to predict the number of future infected cases may be accurate. Predictive models may be useful for helping institutions in making decisions for protecting the population and contrasting the pandemic.

연구 동기 및 목표

• 이탈리아 지자체의 공기 질 변수와 일일 코로나19 전파 간의 관계를 조사하기 위해.
• 기계학습 모델이 환경 데이터를 기반으로 미래의 일일 신규 확진자 수를 정확하게 예측할 수 있는지 평가하기 위해.
• 다양한 지도 학습 모델의 예측 성능을 평가하여 패안드믹 추세를 예측하기 위해.
• 공중보건 기관이 패안드믹 기간 동안 데이터 기반 도구를 활용한 의사결정을 지원하기 위해.

제안 방법

• 매일 확인된 코로나19 확진자 수와 기온, 상대 습도, PM10, NO2, 오존 등의 환경 요소 간의 상관관계 분석을 수행하였다.
• 선택된 이탈리아 지자체의 감염 및 공기 질에 대한 일일 데이터를 오픈소스 및 공식 출처에서 수집하고 전처리하였다.
• 신규 일일 확진자를 예측하기 위해 선형 회귀, 랜덤 포레스트, XGBoost의 세 가지 지도 학습 모델을 훈련하고 비교하였다.
• 2020년 3월부터 10월까지의 시계열 데이터를 사용하여 지역적 변동, 특히 밀라노 지역에 중점을 두었다.
• R-제곱 및 평균 절대 오차와 같은 지표를 사용하여 모델 성능을 평가하였다.
• 가장 영향력 있는 환경 예측 변수를 식별하기 위해 특성 중요도 분석을 적용하였다.

실험 결과

연구 질문

• RQ1 이탈리아에서 공기 질 변수와 일일 확인된 코로나19 확진자 수 사이에 통계적으로 유의미한 상관관계가 존재하는가?
• RQ2 환경 데이터를 기반으로 훈련된 기계학습 모델이 미래의 일일 확진자 수를 정확하게 예측할 수 있는가?
• RQ3 기온, 습도, PM10, NO2, 오존 중에서 감염률과 가장 강한 예측 관계를 가지는 환경 요소는 무엇인가?
• RQ4 다양한 기계학습 모델은 환경 입력 자료만을 사용하여 패안드믹의 진전을 예측할 때 어떻게 비교되는가?

주요 결과

• 기온과 오존 농도는 일일 확인된 확진자 수와 유의미한 음의 상관관계를 보이며, 높은 값일수록 감염 수가 줄어들 것임을 시사한다.
• 미세먼지(PM10)와 질소이산화물(NO2)은 신규 확진자 수와 양의 상관관계를 보이며, 높은 오염 수준이 전파 증가와 함께 나타날 수 있음을 시사한다.
• 랜덤 포레스트 모델이 테스트한 세 모델 중에서 가장 높은 예측 정확도를 기록하였으며, 밀라노 지역에서는 R-제곱 값이 0.85 이상이었다.
• XGBoost 모델은 R-제곱 및 평균 절대 오차 지표에서 선형 회귀보다 뛰어난 성능을 보이며, 비선형 모델링의 가치를 입증하였다.
• 모델들은 다양한 이탈리아 지자체에서 일관된 성능을 보이며, 지역별 적응 가능성 잠재력을 보였다.
• 연구는 환경 요소가 감염 추세에 몇 일의 지연을 거쳐 영향을 줄 수 있는 가능성을 시사하는 진단 지연 기간을 식별하였다.