[论文解读] A Deep Learning Approach for COVID-19 Trend Prediction

Tong Yang, Long Sha+2 more|arXiv (Cornell University)|Aug 9, 2020

COVID-19 epidemiological studies参考文献 15被引用 5

一句话总结

本文提出一种循环神经网络模型，将时间序列流行病数据（确诊数、死亡人数）与社会经济因素（如年龄和种族分布、人口密度、航空旅行活动）相结合，以预测美国的COVID-19趋势。该模型在短期和长期预测中均表现出色，并揭示年轻成年人（19–34岁）和高航空旅行量是传播动态中最关键的因素，而嵌入分析则提示存在种族差异的影响，表明可能存在不成比例的社会影响。

ABSTRACT

In this work, we developed a deep learning model-based approach to forecast the spreading trend of SARS-CoV-2 in the United States. We implemented the designed model using the United States to confirm cases and state demographic data and achieved promising trend prediction results. The model incorporates demographic information and epidemic time-series data through a Gated Recurrent Unit structure. The identification of dominating demographic factors is delivered in the end.

研究动机与目标

• 开发一种数据驱动的深度学习模型，利用流行病时间序列和社会经济数据，预测美国近未来COVID-19病例趋势。
• 识别对地方流行病演变最具预测力的环境与人口统计因素。
• 通过将人口结构与社会经济活动与疾病传播模式关联，分析疫情的反向社会影响。
• 通过‘启动’机制实现特征重要性的可解释性洞察，揭示公共卫生结果与社区层面特征之间的相互作用。

提出的方法

• 采用循环神经网络（RNN）架构来建模连续的流行病动态，使用长短期记忆（LSTM）单元捕捉确诊数和死亡人数的时间依赖性。
• 通过线性变换对社会经济特征（包括年龄和种族群体占比、人口密度、登机人数（航空旅行量））进行嵌入，并通过初始时间步的‘启动’机制注入网络。
• 使用每个嵌入特征向量的Frobenius范数作为特征重要性的代理指标，实现对不同因素如何影响流行病进程的可解释性分析。
• 在全美州级数据上端到端训练模型，结合流行病统计数据与静态的人口统计与社会经济指标。
• 通过自回归生成方式生成长期预测，即每一步的模型输出作为下一步的输入反馈。
• 在共享GPU设施上进行模型训练，通过在验证数据上优化预测性能来调整超参数。

实验结果

研究问题

• RQ1 哪些社会经济与人口统计因素对美国地方COVID-19病例趋势最具预测力？
• RQ2 如何有效结合时间序列流行病数据与外部环境变量，以提升预测性能？
• RQ3 年龄与种族群体分布与流行病动态的相关性如何，由模型学习到的特征重要性揭示？
• RQ4 模型的内部表征能否揭示疫情在不同种族或年龄群体间造成的不成比例社会影响？

主要发现

• 模型在1步预测和长期预测中均表现优异，尽管长期预测存在一些噪声，但总体新发病例趋势被良好捕捉。
• 年龄组19–25岁与26–34岁在模型的嵌入空间中显示最高相关性，与美国疾病控制与预防中心（CDC）数据一致，表明这两组人群对确诊数贡献最大。
• ‘非西班牙裔白人’或‘西班牙裔/拉丁裔’相比，‘黑人或非裔美国人单独’与‘亚裔’群体在模型中显示出更高的相关性，提示传播或影响上可能存在差异。
• 登机人数（航空旅行）数据的相关性得分为1.6810614，确认其作为社会经济活动与疾病传播潜力的代理指标的有效性。
• 白人与西班牙裔/拉丁裔群体在确诊数中贡献较高，但模型学习到的相关性较低，提示疫情对不同种族群体可能存在不成比例的影响。
• ‘启动’机制通过测量嵌入向量的Frobenius范数，实现了可解释的特征重要性分析，为各输入因素对流行病演变的影响提供了洞察。