[論文レビュー] Progmosis: Evaluating Risky Individual Behavior During Epidemics Using Mobile Network Data

Antonio Lima, Veljko Pejović+3 more|arXiv (Cornell University)|Apr 6, 2015

Human Mobility and Location-Based Analysis参考文献 18被引用数 5

ひとこと要約

Progmosisは、モバイルネットワークデータを用いて、個々のユーザーの感染拡大可能性を定量化することで、プライバシーを守りつつ、疫病の拡散を防ぐための個別レベルのリスク評価モデルを提案する。シミュレーションでは、エボラに類似した流行下で、リスクの高い個々のユーザーの移動制限を実施することで、30日間で二次感染を24％削減できることが示された。

ABSTRACT

The possibility to analyze, quantify and forecast epidemic outbreaks is fundamental when devising effective disease containment strategies. Policy makers are faced with the intricate task of drafting realistically implementable policies that strike a balance between risk management and cost. Two major techniques policy makers have at their disposal are: epidemic modeling and contact tracing. Models are used to forecast the evolution of the epidemic both globally and regionally, while contact tracing is used to reconstruct the chain of people who have been potentially infected, so that they can be tested, isolated and treated immediately. However, both techniques might provide limited information, especially during an already advanced crisis when the need for action is urgent. In this paper we propose an alternative approach that goes beyond epidemic modeling and contact tracing, and leverages behavioral data generated by mobile carrier networks to evaluate contagion risk on a per-user basis. The individual risk represents the loss incurred by not isolating or treating a specific person, both in terms of how likely it is for this person to spread the disease as well as how many secondary infections it will cause. To this aim, we develop a model, named Progmosis, which quantifies this risk based on movement and regional aggregated statistics about infection rates. We develop and release an open-source tool that calculates this risk based on cellular network events. We simulate a realistic epidemic scenarios, based on an Ebola virus outbreak; we find that gradually restricting the mobility of a subset of individuals reduces the number of infected people after 30 days by 24%.

研究の動機と目的

• 疫病発生時における、容易に入手可能なモバイルネットワークデータを用いた、個別レベルの感染拡大リスクを評価する手法を開発すること。
• 感染者の個人識別情報を必要とせずに、感染を広める可能性が最も高い人物を特定することで、標的型の公衆衛生対策を可能にすること。
• テスト、隔離、健康メッセージ配信などの介入を、移動行動に基づいて優先順位をつけることで、疫病の拡散を抑えること。
• ユーザーのデバイス上に移動データが一切残らない分散型の展開を推進することで、ユーザーのプライバシーを保護すること。
• 実世界の移動トレースに基づいて得られたリスクスコアを用いた、移動制限戦略の有効性を評価すること。

提案手法

• モデルは、セルラー通信網の通話記録（CDR）を用いて、個々のユーザーの移動パターンと地域の感染率を推定する。
• 感染拡散の可能性と予想される二次感染数に基づいて、各ユーザーごとのリスクスコアを算出する。
• 移動データと集計された地域感染統計を統合することで、個々のユーザーの感染伝播可能性を推定する。
• CDRイベントからリスクスコアを分散型で計算するためのオープンソースツールを実装する。
• 実際の移動トレース（エボラ非発生国からのデータ）を用いたシミュレーションを実施し、エボラに類似した流行を想定した状況下で、移動制限を制御的に適用する。
• リスクスコアに基づいた高リスク者への移動制限と、ランダム選択による制限の影響を比較評価する。

実験結果

リサーチクエスチョン

• RQ1 感染者の特定情報を得ずに、モバイルネットワークデータを用いて疫病発生時における個別レベルの感染拡大リスクを推定することは可能か？
• RQ2 リスクスコアに基づいた標的型の移動制限は、二次感染の削減にどの程度効果的か？
• RQ3 分散型展開は、プライバシー保護と実用的実装可能性にどのような影響を与えるか？
• RQ4 疫病への関心の高まりに伴う行動変化は、移動行動に基づくリスク評価の信頼性にどのような影響を及えるか？
• RQ5 個々のリスクのばらつき（ヒエラルキー）は、標的型の感染対策戦略全体の有効性にどの程度影響を及えるか？

主な発見

• Progmosisが選別した高リスク者の一部の移動制限により、ランダム選択と比較して30日後に感染者数が24％削減された。
• モデルは、感染者の特定情報を一切得ずに、移動パターンと地域感染率に基づいて、感染伝播可能性の高い人物を的確に同定できた。
• 実際のCDRデータ（現在エボラ非発生国からのもの）を用いたシミュレーションにより、モデルが現実の移動パターンに適用可能であることが示された。
• 感染者の個人識別情報が事前に不明な状況下でも、モデルは有効に機能することが確認された。
• 分散型展開は実現可能であり、中央集権型システムに比べて望ましく、ユーザーのプライバシーを保護しつつも、リスク評価の正確性を維持できる。
• モデルは、感染拡散における個別レベルのばらつきの重要性を浮き彫りにし、包括的対策ではなく標的型対策の有効性を裏付けた。