[論文レビュー] Forecasting the 2017-2018 Yemen Cholera Outbreak with Machine Learning

Rohil Badkundri, Victor T. Valbuena+3 more|arXiv (Cornell University)|Feb 16, 2019

Vibrio bacteria research studies参考文献 4被引用数 3

ひとこと要約

本論文は、イエメンの県別に2か月先まで予測可能な機械学習システムである Cholera Artificial Learning Model (CALM) を紹介する。XGBoost を使用し、降水量、過去の症例、戦争による死者、および県間移動データを統合することで、複数の時間枠において10,000人あたり±5症例以内の予測精度を達成し、2017–2018年の流行期におけるリソース配分のための既存モデルを著しく上回った。

ABSTRACT

The ongoing Yemen cholera outbreak has been deemed one of the worst cholera outbreaks in history, with over a million people impacted and thousands dead. Triggered by a civil war, the outbreak has been shaped by various political, environmental, and epidemiological factors and continues to worsen. While cholera has several effective treatments, the untimely and inefficient distribution of existing medicines has been the primary cause of cholera mortality. With the hope of facilitating resource allocation, various mathematical models have been created to track the Yemeni outbreak and identify at-risk administrative divisions, called governorates. Existing models are not powerful enough to accurately and consistently forecast cholera cases per governorate over multiple timeframes. To address the need for a complex, reliable model, we offer the Cholera Artificial Learning Model (CALM); a system of 4 extreme-gradient-boosting (XGBoost) machine learning models that forecast the number of new cholera cases a Yemeni governorate will experience from a time range of 2 weeks to 2 months. CALM provides a novel machine learning approach that makes use of rainfall data, past cholera cases and deaths data, civil war fatalities, and inter-governorate interactions represented across multiple time frames. Additionally, the use of machine learning, along with extensive feature engineering, allows CALM to easily learn complex non-linear relations apparent in an epidemiological phenomenon. CALM is able to forecast cholera incidence 2 weeks to 2 months in advance within a margin of just 5 cholera cases per 10,000 people in real-world simulation.

研究の動機と目的

• 2017–2018年の流行期に、イエメンの県別コレラ発生数を正確に予測するための既存の数学的モデルの限界を是正すること。
• 紛争が影響を及ぼす地域における複雑で非線形的な疫学的ダイナミクスを扱える、堅牢でスケーラブルな機械学習システムの開発。
• 時間的・空間的精度の高い予測を可能にすることで、リソース配分のための早期警戒システムを改善すること。
• 疫学的、環境的、紛争関連、および県間移動の多様なデータストリームを統合し、統一された予測フレームワークを構築すること。

提案手法

• CALM システムは、2週間、4週間、6週間、8週間という異なる予測期間を想定した、4つの独立した XGBoost モデルを採用している。
• 入力特徴量には、過去のコレラ症例および死亡者数、降水量データ、市民戦争による死者、複数の時間ラグを考慮した県間伝播パターンが含まれる。
• 時系列的依存関係と空間的相互作用を表現するための特徴工学が適用され、感染拡大における非線形関係を捉える能力が向上した。
• モデルは、2017–2018年のイエメンの県別実世界データを用いて学習され、時系列クロスバリデーションを用いた検証が実施された。
• モデルの性能は、10,000人あたりの平均絶対誤差（MAE）を指標として評価され、全予測期間にわたり報告された。
• システムは運用用途を想定しており、公衆衛生当局が流行の発生を予測し、医療リソースを事前に配置できるように設計されている。

実験結果

リサーチクエスチョン

• RQ1 2週間から2か月の複数の時間枠において、機械学習モデルがイエメンの県別コレラ発生数を正確に予測できるか。
• RQ2 環境的要因、紛争関連要因、疫学的要因が、戦争が激化した地域におけるコレラ伝播ダイナミクスにどのように統合的に影響を与えるか。
• RQ3 県間移動と感染拡大をどの程度正確にモデル化できるかが、予測精度を向上させられるか。
• RQ4 データが限られる状況下で、XGBoost を用いたモデルが、従来の数学的モデルを上回って複雑で非線形な感染症アウトブレイクを予測できるか。

主な発見

• CALM は、全予測期間において平均絶対誤差がわずか ±5 例／10,000人という高い精度を達成し、実世界シミュレーションにおいてその妥当性を示した。
• モデルは、降水量、過去の症例、戦争による死者、および県間伝播パターンの間の複雑で非線形な相互作用を的確に捉えた。
• 2週間から2か月までの時間枠にわたり、予測性能が安定しており、予測期間の違いに対しても頑健であることが示された。
• 県間伝播データの統合により、局所データのみを用いたモデルと比較して、予測精度が著しく向上した。
• 時系列クロスバリデーションによる検証により、モデルの信頼性が、異なる流行段階においても確認された。
• CALM は、リソースが限られた紛争が影響を及ぼす地域において、実用的でスケーラブルな早期警戒およびリソース配分ソリューションを提供する。