[论文解读] Forecasting the 2017-2018 Yemen Cholera Outbreak with Machine Learning

Rohil Badkundri, Victor T. Valbuena+3 more|arXiv (Cornell University)|Feb 16, 2019

Vibrio bacteria research studies参考文献 4被引用 3

一句话总结

本文介绍了霍乱人工智能学习模型（CALM），一种利用XGBoost的机器学习系统，可提前最多两个月预测也门各省份的霍乱病例。通过整合降雨量、历史病例数、战争死亡人数以及省际间传播数据，CALM在多个时间范围内实现了每10,000人±5例的预测准确度，显著优于现有模型，为2017–2018年疫情中的资源调配提供了支持。

ABSTRACT

The ongoing Yemen cholera outbreak has been deemed one of the worst cholera outbreaks in history, with over a million people impacted and thousands dead. Triggered by a civil war, the outbreak has been shaped by various political, environmental, and epidemiological factors and continues to worsen. While cholera has several effective treatments, the untimely and inefficient distribution of existing medicines has been the primary cause of cholera mortality. With the hope of facilitating resource allocation, various mathematical models have been created to track the Yemeni outbreak and identify at-risk administrative divisions, called governorates. Existing models are not powerful enough to accurately and consistently forecast cholera cases per governorate over multiple timeframes. To address the need for a complex, reliable model, we offer the Cholera Artificial Learning Model (CALM); a system of 4 extreme-gradient-boosting (XGBoost) machine learning models that forecast the number of new cholera cases a Yemeni governorate will experience from a time range of 2 weeks to 2 months. CALM provides a novel machine learning approach that makes use of rainfall data, past cholera cases and deaths data, civil war fatalities, and inter-governorate interactions represented across multiple time frames. Additionally, the use of machine learning, along with extensive feature engineering, allows CALM to easily learn complex non-linear relations apparent in an epidemiological phenomenon. CALM is able to forecast cholera incidence 2 weeks to 2 months in advance within a margin of just 5 cholera cases per 10,000 people in real-world simulation.

研究动机与目标

• 为解决现有数学模型在2017–2018年也门各省份霍乱疫情中准确预测霍乱发病率方面的局限性。
• 开发一种稳健且可扩展的机器学习系统，能够处理冲突影响地区复杂的非线性流行病动力学。
• 通过高时间与空间精度的霍乱病例预测，改进早期预警系统以优化资源调配。
• 将流行病学、环境、冲突相关以及省际间人员流动等多种数据流整合进统一的预测框架中。

提出的方法

• CALM系统采用四个独立的XGBoost模型，每个模型分别针对2周、4周、6周和8周的不同预测时间范围进行训练。
• 输入特征包括历史霍乱病例数与死亡人数、降雨量数据、也门内战死亡人数，以及多时间滞后下的省际间传播模式。
• 通过特征工程编码时间依赖性和空间相互作用，增强模型捕捉疾病传播中非线性关系的能力。
• 模型基于2017–2018年也门各省份的真实世界数据进行训练，通过时间序列交叉验证进行验证。
• 使用每10,000人的平均绝对误差（MAE）评估模型性能，并报告所有预测时间范围的结果。
• 系统设计用于实际操作，使公共卫生官员能够预判疫情爆发并提前部署医疗资源。

实验结果

研究问题

• RQ1 机器学习模型能否在2周至2个月的时间范围内，准确预测也门各省份的霍乱发病率？
• RQ2 环境因素、冲突相关因素与流行病学因素如何共同影响战乱地区霍乱传播动力学？
• RQ3 省际间人员流动与疾病传播在多大程度上可被建模以提升预测精度？
• RQ4 在数据匮乏的条件下，基于XGBoost的模型能否优于传统数学模型，以预测复杂且非线性的疾病爆发？

主要发现

• CALM在所有预测时间范围内均实现了仅±5例/10,000人的平均绝对误差，表明其在真实世界模拟中具有高精度。
• 该模型成功捕捉了降雨量、既往病例数、战争死亡人数与省际间传播模式之间的复杂非线性相互作用。
• 预测性能在2周至2个月的时间范围内保持稳定，表明其对不同预测时间范围具有鲁棒性。
• 与仅使用本地数据的模型相比，整合省际间传播数据显著提升了预测准确度。
• 通过时间序列交叉验证验证了模型性能，证实其在不同疫情阶段均具有可靠性。
• CALM为资源匮乏、受冲突影响的地区提供了实用且可扩展的早期预警与资源调配解决方案。