[论文解读] Finding Patient Zero: Learning Contagion Source with Graph Neural Networks

Chintan Shah, Nima Dehmamy+5 more|arXiv (Cornell University)|Jun 21, 2020

Complex Network Analysis Techniques参考文献 48被引用 27

一句话总结

本文提出一种基于图神经网络（GNN）的方法，用于在复杂网络中识别传染病的源头（零号病人），且无需了解疾病动力学或参数。该方法达到接近理论精度极限，且比传统消息传递方法快逾100倍，在合成网络和真实世界的位置共现网络（包括一个模拟新冠疫情期间传播的网络）中均表现出色。

ABSTRACT

Locating the source of an epidemic, or patient zero (P0), can provide critical insights into the infection's transmission course and allow efficient resource allocation. Existing methods use graph-theoretic centrality measures and expensive message-passing algorithms, requiring knowledge of the underlying dynamics and its parameters. In this paper, we revisit this problem using graph neural networks (GNNs) to learn P0. We establish a theoretical limit for the identification of P0 in a class of epidemic models. We evaluate our method against different epidemic models on both synthetic and a real-world contact network considering a disease with history and characteristics of COVID-19. % We observe that GNNs can identify P0 close to the theoretical bound on accuracy, without explicit input of dynamics or its parameters. In addition, GNN is over 100 times faster than classic methods for inference on arbitrary graph topologies. Our theoretical bound also shows that the epidemic is like a ticking clock, emphasizing the importance of early contact-tracing. We find a maximum time after which accurate recovery of the source becomes impossible, regardless of the algorithm used.

研究动机与目标

• 解决在仅获得感染传播部分且带有噪声的观测数据时，识别复杂网络中传染病源头（零号病人）的挑战。
• 克服现有方法的局限性，这些方法需要明确了解流行病动力学和参数（如消息传递算法中使用的参数）。
• 开发一种与模型无关的方法，利用图神经网络，仅从图结构和感染模式中学习。
• 为具有环路的一般图中零号病人识别的最高可实现精度建立理论边界。
• 在真实世界接触网络上评估该方法，包括一个基于波士顿地区新冠疫情期间的共现网络。

提出的方法

• 该方法利用图神经网络（GNN）从图快照和感染状态中学习传染过程的反向动力学。
• GNN在合成网络和真实世界流行病模拟数据上进行端到端训练，无需显式输入疾病参数（如传播率或潜伏期）。
• 该方法利用图中的结构和时间模式，即使在监测数据延迟或不完整的情况下，也能推断出最可能的源头节点。
• 理论分析推导出不依赖于所用推理算法的、零号病人识别精度的信息论上限。
• 该模型在合成网络（如小世界网络、无标度网络）和基于匿名GPS移动数据生成的真实共现网络上进行评估。
• 性能通过top-k准确率和归一化排名进行衡量，以评估精确源头恢复能力以及将源头缩小到小候选集的能力。

实验结果

研究问题

• RQ1 在一般具有环路的图中，无论使用何种推理算法，识别零号病人的理论最大准确率是多少？
• RQ2 像GNN这样的深度学习模型能否在不依赖流行病动力学或参数显式知识的情况下，以高准确率识别零号病人？
• RQ3 与经典消息传递算法相比，GNN在准确率和推理速度方面表现如何？
• RQ4 从疫情爆发到开始监测之间的时间延迟如何影响零号病人识别的准确率？
• RQ5 所提出的方法能否泛化到具有复杂现实结构的真实世界接触网络（如基于移动数据生成的网络）？

主要发现

• 基于GNN的方法在top-1准确率上接近本文推导出的理论上限，表明进一步改进网络架构可能带来边际收益递减。
• 在波士顿共现网络中，top-1准确率在14天后下降50%，但归一化排名仍保持较高水平，表明仍可将真实源头缩小到一个较小的候选集合。
• 该GNN方法在任意图拓扑上的推理速度比经典消息传递算法快逾100倍，支持实时应用。
• 理论分析揭示了一个关键时间阈值，超过该阈值后，无论使用何种算法，准确的源头恢复在信息论上已不可能实现。
• 该方法在合成网络和具有类似新冠自然史特征（包括无症状传播和R₀ = 2.5）的真实世界接触网络上均表现稳健。
• 该模型与模型无关，无需了解传播率或潜伏期等流行病参数，因此可广泛适用于不同传播过程。