論文の概要: From Prediction to Prescription: Evolutionary Optimization of
Non-Pharmaceutical Interventions in the COVID-19 Pandemic
- arxiv url: http://arxiv.org/abs/2005.13766v3
- Date: Sat, 1 Aug 2020 23:02:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-27 04:27:12.551143
- Title: From Prediction to Prescription: Evolutionary Optimization of
Non-Pharmaceutical Interventions in the COVID-19 Pandemic
- Title（参考訳）: 予測から処方へ:COVID-19パンデミックにおける非薬剤的介入の進化的最適化
- Authors: Risto Miikkulainen, Olivier Francon, Elliot Meyerson, Xin Qiu, Elisa
Canzani, and Babak Hodjat
- Abstract要約: 新型コロナウイルスのパンデミックの広がりを予測するために、いくつかのモデルが開発されている。
本稿では,進化的AIを用いて次のステップ,すなわち最も効果的な介入戦略を決定する方法を示す。
- 参考スコア（独自算出の注目度）: 19.477459618274025
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- 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.
- Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックの広がりや、ソーシャルディスタンシングの規制や学校やビジネスの閉鎖など、非薬剤的介入(NPI)をどう含めるかを予測するために、いくつかのモデルが開発されている。
本稿では,進化的AIが次のステップ,すなわち最も効果的な介入戦略を自動決定するためにどのように使用できるかを示す。
進化的代理補助処方(ESP)により、多数の候補戦略を生成し、予測モデルで評価することができる。
原則として、戦略は異なる国や地域向けにカスタマイズでき、パンデミックを包含する必要性と経済への影響を最小限に抑える必要性のバランスを取ることができる。
まだ利用可能なデータには制限があるが、初期の実験では職場や学校の制限が最も重要であり、慎重に設計する必要があることを示唆している。
また、制限の解除結果が信頼できないことも示しており、例えば時間とともに変更することで、制約をソフトに実装できる創造的な方法を提案している。
より多くのデータが利用可能になるにつれて、このアプローチは新型コロナウイルス(COVID-19)と将来のパンデミックに対処するのにますます有用になる。
関連論文リスト
- Epidemic Control on a Large-Scale-Agent-Based Epidemiology Model using
Deep Deterministic Policy Gradient [0.7244731714427565]
ロックダウン、急激な予防接種プログラム、学校閉鎖、経済刺激は、肯定的または意図しない否定的な結果をもたらす可能性がある。
ラウンドトリップを通じて自動的に最適な介入をモデル化し決定するための現在の研究は、シミュレーション目標、スケール(数千人)、介入研究に適さないモデルタイプ、探索可能な介入戦略の数(離散対連続)によって制限されている。
我々は,大規模(100,000人)の疫学的エージェントに基づくシミュレーションに基づいて,DDPGに基づく政策最適化フレームワークを用いて,これらの課題に対処する。
論文 参考訳（メタデータ） (2023-04-10T09:26:07Z) - Evaluating COVID-19 vaccine allocation policies using Bayesian $m$-top
exploration [53.122045119395594]
マルチアーム・バンディット・フレームワークを用いてワクチンのアロケーション戦略を評価する新しい手法を提案する。
$m$-top Exploringにより、アルゴリズムは最高のユーティリティを期待する$m$ポリシーを学ぶことができる。
ベルギーのCOVID-19流行を個人モデルSTRIDEを用いて検討し、予防接種方針のセットを学習する。
論文 参考訳（メタデータ） (2023-01-30T12:22:30Z) - Evaluation of non-pharmaceutical interventions and optimal strategies
for containing the COVID-19 pandemic [14.807368322926227]
政策,移動パターン,ウイルス感染の関連について検討する。
その結果,緊急宣言の権限とマスク着用が強調された。
我々の枠組みは、パンデミック対応のベストプラクティスについて、あらゆる国の政策立案者に通知することができる。
論文 参考訳（メタデータ） (2022-02-28T17:33:25Z) - Adaptive Epidemic Forecasting and Community Risk Evaluation of COVID-19 [9.11149442423076]
本稿では、公共衛生データを第3のクライアントデータとシームレスに統合し、コミュニティを再オープンするリスクを正確に見積もるフレキシブルなエンドツーエンドソリューションを提案する。
中心となるのは、トランスミッションとモビリティのトレンドを自動キャプチャする最先端の予測モデルだ。
論文 参考訳（メタデータ） (2021-06-03T19:26:37Z) - Impact of Interventional Policies Including Vaccine on Covid-19
Propagation and Socio-Economic Factors [0.7874708385247353]
本研究の目的は、新型コロナウイルスの伝播と社会経済的影響をモデル化、予測、シミュレーションするための予測分析フレームワークを提供することである。
私たちは最近ローンチしたオープンソースのCOVID-19ビッグデータプラットフォームを活用し、公開研究を使用して潜在的に関連する変数を見つけました。
先進的な機械学習パイプラインは、現代的な機械学習アーキテクチャにデプロイされた自己進化モデルを用いて開発された。
論文 参考訳（メタデータ） (2021-01-11T15:08:07Z) - Incorporating Expert Guidance in Epidemic Forecasting [79.91855362871496]
AIセーフティによるセルドニアン最適化フレームワークを活用した新しいアプローチを提案します。
円滑性と誤りの地域整合性という2種類のガイダンスについて検討する。
その定式化に成功することにより、望ましくない行動が起こる確率を拘束できるだけでなく、テストデータのRMSEを最大17%削減することができることを示しています。
論文 参考訳（メタデータ） (2020-12-24T06:21:53Z) - An Optimal Control Approach to Learning in SIDARTHE Epidemic model [67.22168759751541]
本研究では,疫病データから動的コンパートメンタルモデルの時間変化パラメータを学習するための一般的な手法を提案する。
我々はイタリアとフランスの疫病の進化を予報する。
論文 参考訳（メタデータ） (2020-10-28T10:58:59Z) - COVI White Paper [67.04578448931741]
接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。
カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
論文 参考訳（メタデータ） (2020-05-18T07:40:49Z) - A Deep Q-learning/genetic Algorithms Based Novel Methodology For
Optimizing Covid-19 Pandemic Government Actions [63.669642197519934]
我々はSEIR疫学モデルを用いて、人口の時間とともにウイルスウイルスの進化を表現している。
報酬システムにより、アクションのシーケンス(統合、自己同化、二メートル距離、制限を取らない)を評価する。
どちらの意味でも、パンデミックの悪影響を抑えるために政府が取るべき行動を発見する上で、我々の方法論が有効な手段であることを実証する。
論文 参考訳（メタデータ） (2020-05-15T17:17:45Z) - When and How to Lift the Lockdown? Global COVID-19 Scenario Analysis and
Policy Assessment using Compartmental Gaussian Processes [111.69190108272133]
新型コロナウイルス(COVID-19)の世界的な感染拡大を受け、多くの国が前例のないロックダウン措置を講じている。
さまざまなロックダウンポリシーシナリオの下で、新型コロナウイルスの死亡率を予測するデータ駆動モデルが不可欠だ。
本稿では,グローバルな状況下での新型コロナウイルスロックダウンポリシーの効果を予測するためのベイズモデルを開発する。
論文 参考訳（メタデータ） (2020-05-13T18:21:50Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。