[论文解读] First-principles machine learning modelling of COVID-19

Luca Magri, Nguyen Anh Khoa Doan|arXiv (Cornell University)|Apr 20, 2020

COVID-19 epidemiological studies参考文献 3被引用 23

一句话总结

该论文提出了一种基于第一性原理的机器学习模型，将官方的COVID-19数据与SIRD分 compartment 疫病动力学模型相结合，以估算10个全球区域的时间可变传播率、康复率和死亡率、R₀以及传播倍增时间。该模型支持利用新数据快速重新训练，并在各国中一致预测感染和死亡的高峰期，显示在无干预情况下存在快速的指数增长，R₀值范围为0.04至1.79。

ABSTRACT

The coronavirus disease 2019 (COVID-19) has changed the world since the World Health Organization declared its outbreak on 30th January 2020, recognizing the outbreak as a pandemic on 11th March 2020. As often said by politicians and scientific advisors, the objective is "to flatten the curve", or "push the peak down", or similar wording, of the virus spreading. Central to the official advice are mathematical models and data, which provide estimates on the evolution of the number of infected, recovered and deaths. The accuracy of the models is improved day by day by inferring the contact, recovery, and death rates from data (confirmed cases). A data-driven model trained with {\it both} data {\it and} first principles is proposed. The model can quickly be re-trained any time that new data becomes available. The method can be applied to more detailed epidemic models with virtually no conceptual modification.

研究动机与目标

• 开发一种数据驱动的、基于第一性原理的机器学习模型，将官方病例数据与流行病分 compartment 建模相结合，实现实时传播动态估计。
• 估算早期大流行期间主要全球区域的时间可变接触率（β）、康复率（γ）和死亡率（µ）、基本再生数（R₀）以及倍增时间。
• 在假设参数恒定或线性演变的前提下，提供感染、康复、死亡和易感人群占比的预测趋势。
• 支持在新数据可用时快速重新训练模型，以支持及时的公共卫生决策。
• 通过一致的第一性原理假设，评估估计结果对数据偏差（如报告不足和检测方案变化）的稳健性。

提出的方法

• 以修改后的SIRD（易感者、感染者、康复者、死亡者）分 compartment 模型作为第一性原理基础，假设总人口恒定且群体同质。
• 应用基于神经网络的优化方法，将模型参数（β、γ、µ）拟合至约翰霍普金斯大学CSSE提供的确诊病例和死亡数据。
• 在损失函数中施加约束以确保物理一致性，包括在损失函数中使用对数变换以稳定训练过程。
• 采用约束优化框架估算时变参数，并基于短期（7天）和长期（14天）窗口的平均斜率进行外推。
• 将R₀计算为β/γ，倍增时间计算为log(2)/β，并使用对数变换和非对数变换损失函数进行敏感性分析。
• 使用历史数据验证预测结果，并比较恒定参数、短窗口和长窗口外推策略，以评估不确定性范围。

实验结果

研究问题

• RQ1 如何有效结合第一性原理流行病模型与实时数据，利用机器学习在大流行期间估算动态传播参数？
• RQ2 在COVID-19大流行早期阶段，主要国家的时间可变接触率、康复率和死亡率的估计值是多少？
• RQ3 不同国家的感染和死亡高峰期预计出现在何时？这些估计值在不同外推假设下如何变化？
• RQ4 该模型在估算R₀和倍增时间方面的表现如何？数据变换（对数 vs. 非对数）对参数稳定性有何影响？
• RQ5 预测结果在多大程度上对数据偏差（如报告不足或检测方案变化）具有稳健性？

主要发现

• 该模型预测，在无干预情况下，所有研究区域均表现出感染的快速指数增长，与大流行早期动态一致。
• 英国于2020年7月18日达到2.84%的感染率峰值，死亡率峰值为2.13%，出现在2021年2月10日。
• 意大利于2020年7月11日达到0.80%的感染率峰值，死亡率峰值为0.42%，出现在2021年2月10日，R₀于2020年4月30日降至1.0。
• 中国在2020年4月23日的估计R₀仅为0.006，感染率和死亡率峰值均低于0.01%。
• 纽约市于2020年4月30日达到2.72%的感染率峰值，死亡率峰值为1.96%，出现在2021年2月10日，R₀于2020年4月27日降至1.0。
• 全球范围的估计R₀于2020年6月15日降至1.0，感染率峰值为2.05%，出现在2020年8月20日，死亡率峰值为0.86%，出现在2021年2月10日。