[论文解读] From Prediction to Prescription: AI-Based Optimization of Non-Pharmaceutical Interventions for the COVID-19 Pandemic.

Risto Miikkulainen, Olivier Francon+4 more|arXiv (Cornell University)|May 27, 2020

COVID-19 epidemiological studies参考文献 41被引用 7

一句话总结

本文提出进化代理辅助处方（ESP）——一种由人工智能驱动的优化框架，通过平衡疫情控制与经济影响，自动识别有效的非药物干预（NPI）策略。结果表明，工作场所和学校限制最为关键，并建议采用随时间变化的交替实施方式以获得更可靠的成果。

ABSTRACT

Several models have been developed to predict how the COVID-19 pandemic spreads, and how it could be contained with non-pharmaceutical interventions (NPIs) such as social distancing restrictions and school and business closures. This paper demonstrates how evolutionary AI could be used to facilitate the next step, i.e. determining most effective intervention strategies automatically. Through evolutionary surrogate-assisted prescription (ESP), it is possible to generate a large number of candidate strategies and evaluate them with predictive models. In principle, strategies can be customized for different countries and locales, and balance the need to contain the pandemic and the need to minimize their economic impact. While still limited by available data, early experiments suggest that workplace and school restrictions are the most important and need to be designed carefully. It also demonstrates that results of lifting restrictions can be unreliable, and suggests creative ways in which restrictions can be implemented softly, e.g. by alternating them over time. As more data becomes available, the approach can be increasingly useful in dealing with COVID-19 as well as possible future pandemics.

研究动机与目标

• 开发一种自动化方法，以识别COVID-19大流行期间的最优非药物干预（NPI）措施。
• 在最小化疾病传播与减少干预带来的经济干扰之间实现双重目标的平衡。
• 实现可根据特定国家和本地情境定制的NPI策略。
• 探索利用AI优化策略实现的限制解除政策的可靠性与设计。

提出的方法

• 该方法采用进化算法生成多样化的候选NPI策略集。
• 使用预测性流行病学模型作为代理函数，无需完整模拟即可评估每种策略的有效性。
• 在优化过程中整合与公共卫生和经济影响相关的约束条件。
• 支持动态、随时间变化的干预模式，例如对学校和工作场所实施交替限制。
• 通过调整输入参数和数据，该方法可扩展并适应不同地区。
• 利用代理建模技术，降低在大规模策略空间中评估的计算成本。

实验结果

研究问题

• RQ1 哪些非药物干预策略能最有效地减少COVID-19传播，同时最小化经济影响？
• RQ2 如何为不同国家和本地情境定制干预策略？
• RQ3 在疫情爆发后解除限制的可靠性和长期结果如何？
• RQ4 如何以渐进、分阶段的方式实施限制以提高可持续性？
• RQ5 工作场所和学校关闭在控制疫情传播中发挥什么作用？

主要发现

• 工作场所和学校限制在减少传播方面被证明是最具影响力的NPI措施。
• 解除限制可能导致不可靠的结果，提示突然放松可能带来风险。
• 采用交替或分阶段方式实施限制可提高可持续性并减少反弹效应。
• AI优化策略在平衡公共卫生与经济目标方面，优于静态政策。
• 该方法在具备更完善数据的前提下，对未来大流行具有可行性。
• 代理辅助优化使复杂干预策略空间的高效探索成为可能。