[论文解读] Combining Graph Neural Networks and Spatio-temporal Disease Models to Predict COVID-19 Cases in Germany

Cornelius Fritz, Emilio Dorigatti+1 more|arXiv (Cornell University)|Jan 3, 2021

COVID-19 epidemiological studies参考文献 54被引用 10

一句话总结

本文提出了一种混合模型，结合图神经网络（GNNs）与时空疾病回归，以预测德国的COVID-19病例数，整合了流动流量和共现概率。该模型在基准测试中实现了最先进的性能，均方误差（MSE）最低，并有效量化了认知不确定性与随机不确定性，提升了公共卫生规划的可解释性与可靠性。

ABSTRACT

During 2020, the infection rate of COVID-19 has been investigated by many scholars from different research fields. In this context, reliable and interpretable forecasts of disease incidents are a vital tool for policymakers to manage healthcare resources. Several experts have called for the necessity to account for human mobility to explain the spread of COVID-19. Existing approaches are often applying standard models of the respective research field. This habit, however, often comes along with certain restrictions. For instance, most statistical or epidemiological models cannot directly incorporate unstructured data sources, including relational data that may encode human mobility. In contrast, machine learning approaches may yield better predictions by exploiting these data structures, yet lack intuitive interpretability as they are often categorized as black-box models. We propose a trade-off between both research directions and present a multimodal learning approach that combines the advantages of statistical regression and machine learning models for predicting local COVID-19 cases in Germany. This novel approach enables the use of a richer collection of data types, including mobility flows and colocation probabilities, and yields the lowest MSE scores throughout our observational period in our benchmark study. The results corroborate the necessity of including mobility data and showcase the flexibility and interpretability of our approach.

研究动机与目标

• 为解决纯统计模型或黑箱机器学习模型在预测COVID-19时的局限性，通过整合结构化与非结构化数据。
• 通过结合图神经网络与分布回归模型，提升预测精度与可解释性。
• 将以往在标准流行病学模型中未被充分利用的流动与共现数据，整合进统一的预测框架。
• 实现稳健的不确定性量化（认知与随机不确定性），以支持更可信的公共卫生决策。
• 证明流动数据与模型正则化在捕捉疾病传播自回归动态中的必要性。

提出的方法

• 该模型使用图神经网络（GNN）通过将流动与共现概率数据作为边特征，编码德国联邦州之间的空间依赖关系。
• 采用基于零膨胀泊松（ZIP）模型的分布回归框架，以实现病例数的不确定性量化预测。
• GNN通过多层图卷积层处理节点特征（如滞后感染率），随后使用长短期记忆（LSTM）网络进行时间聚合。
• 模型综合整合了认知不确定性（来自GNN中的贝叶斯丢弃）与随机不确定性（来自ZIP分布的方差参数），实现全面的不确定性估计。
• 采用扩展窗口训练方案，以随时间评估与校准预测区间。
• 最终预测通过结合GNN嵌入特征与ZIP分布生成，实现带有置信区间的概率预测。

实验结果

研究问题

• RQ1 结合图神经网络与时空回归的混合模型是否能提升德国COVID-19病例预测的准确性？
• RQ2 与仅使用病例历史的模型相比，纳入流动与共现数据对预测性能有何影响？
• RQ3 该模型在现实疫情预测中，能在多大程度上量化并校准认知与随机不确定性？
• RQ4 该模型的不确定性估计在不同区域（包括城乡地区）是否可靠且校准良好？
• RQ5 与传统流行病学模型相比，该模型的可解释性与特征重要性如何？

主要发现

• 在全部观测期内，所提模型在所有基准模型中实现了最低的均方误差（MSE），表现出卓越的预测性能。
• 模型的认知不确定性与预测误差显著相关，表明其对预测可信度的评估具有可靠性。
• 滞后感染率的偏效应显示与未来病例数存在强烈正相关关系，证实其在模型中作为关键驱动因素的作用。
• 随机不确定性估计较好地捕捉了病例数的离散程度，预测区间在所有组别、周次与地区中覆盖了约80%的观测病例。
• 尽管校准良好，部分预测区间未能覆盖感染病例的急剧上升——尤其是在穆林和沃尔波默伦-吕根等高发病率地区——表明随机不确定性校准仍有改进空间。
• 集成模型的预测区间整体校准良好，长期预测中无显著统计差异的预测偏差（p = 0.001 和 p = 0.0007，对应两周），表明其具备长期预测的稳健性。