[논문 리뷰] A machine learning methodology for real-time forecasting of the 2019-2020 COVID-19 outbreak using Internet searches, news alerts, and estimates from mechanistic models

Dianbo Liu, Leonardo Clemente외 6명|PubMed|2020. 04. 08.

COVID-19 epidemiological studies참고 문헌 35인용 수 102

한 줄 요약

본 논문은 Augmented ARGONet를 소개한다. 이는 중국 CDC 보고, Baidu 검색, Media Cloud 뉴스, 및 GLEAM 기계적 모델 출력물을 결합하여 중국의 성(省) 단위 COVID-19 활동을 군집화와 데이터 증강을 활용해 2일 ahead로 예측하는 실시간 프레임워크이다.

ABSTRACT

We present a timely and novel methodology that combines disease estimates from mechanistic models with digital traces, via interpretable machine-learning methodologies, to reliably forecast COVID-19 activity in Chinese provinces in real-time. Specifically, our method is able to produce stable and accurate forecasts 2 days ahead of current time, and uses as inputs (a) official health reports from Chinese Center Disease for Control and Prevention (China CDC), (b) COVID-19-related internet search activity from Baidu, (c) news media activity reported by Media Cloud, and (d) daily forecasts of COVID-19 activity from GLEAM, an agent-based mechanistic model. Our machine-learning methodology uses a clustering technique that enables the exploitation of geo-spatial synchronicities of COVID-19 activity across Chinese provinces, and a data augmentation technique to deal with the small number of historical disease activity observations, characteristic of emerging outbreaks. Our model's predictive power outperforms a collection of baseline models in 27 out of the 32 Chinese provinces, and could be easily extended to other geographies currently affected by the COVID-19 outbreak to help decision makers.

연구 동기 및 목표

• 희소한 과거 데이터로 신흥 발병에 대한 실시간 예측의 필요성에 동기를 부여한다.
• 다양한 데이터 흐름을 활용하는 데이터 기반의 지리공간 인식 모델을 개발한다.
• 성-군집화 예측기 학습을 위한 데이터 증강 및 클러스터링으로 데이터 부족 문제를 완화한다.
• 데이터 기반 예측 프레임워크에 기계적 모델 추정치를 포함하는 추가 가치를 평가한다.

제안 방법

• 지리-시계 COVID-19 패턴에 따라 성(省) 군집을 정의하고 매 예측 날짜마다 모델을 재학습한다.
• 각 군집별로 Gaussian 노이즈가 있는 부트스트랩 재샘플링을 통해 데이터 증강을 수행한다.
• 과거 사례, Baidu 검색, Media Cloud 기사, 사망자, 누적 사례를 입력으로 하는 2일 간의 사례 수를 예측하기 위해 LASSO 다변량 선형 모델을 적합시킨다.
• 군집화 및 증강 이전에 기계적 모델 추정치(GLEAM)를 Augmented ARGONet의 입력으로 포함한다.
• 예측 이득을 평가하기 위해 기계적 입력이 없는 PES(기본) 지속성, 자기회귀, ARGONet과 비교한다.

실험 결과

연구 질문

• RQ1 다원 소스 데이터(공식 보고, 인터넷 검색, 뉴스, 기계적 예측치)가 성(省) 단위의 COVID-19 활동을 근접 실시간으로 예측할 수 있는가?
• RQ2 클러스터링과 데이터 증강이 과거 관찰 데이터가 제한된 설정에서 예측 성능을 개선하는가?
• RQ3 데이터 기반 예측 프레임워크에 기계적 모델 추정치를 포함하는 것이 어떤 추가 가치를 제공하는가?

주요 결과

• Augmented ARGONet는 2일 ahead 예측에서 32개 중국 성의 27개에서 지속성 기준선을 능가한다.
• 클러스터링 및 증강이 포함된 ARGONet은 32개 성 중 25개에서 RMSE를 개선하고 18개 성에서 상관관계를 개선한다.
• 기계적 모델 추정치를 포함하면 대다수 성에서 예측력이 향상된다.
• 일부 지역(대만, 홍콩, 광시, 산시, 후난)은 행정/보건 체계의 차이로 RMSE 개선이 나타나지 않았다.
• 지역 성 데이터만 사용한 모델은 일반적으로 기본값보다 나은 성능을 보이지 않았고, ARGO형 모델은 제한적 개선을 보였다.
• 전반적으로 이 방법은 데이터가 제한된 신흥 발병기 동안 실시간 예측 가능성을 보여준다.