論文の概要: A Partially Observable MDP Approach for Sequential Testing for
Infectious Diseases such as COVID-19
- arxiv url: http://arxiv.org/abs/2007.13023v1
- Date: Sat, 25 Jul 2020 22:13:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-07 01:02:03.478073
- Title: A Partially Observable MDP Approach for Sequential Testing for
Infectious Diseases such as COVID-19
- Title(参考訳): COVID-19などの感染症に対する経時的検査のための部分観察型MDPアプローチ
- Authors: Rahul Singh, Fang Liu, and Ness B. Shroff
- Abstract要約: 本研究では,制約付き逐次学習に基づく資源配分問題として,テスト問題をキャストできることを示す。
そして、感染した個体数を最小化する効率的な学習戦略を開発する。
- 参考スコア(独自算出の注目度): 29.84897273754802
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The outbreak of the novel coronavirus (COVID-19) is unfolding as a major
international crisis whose influence extends to every aspect of our daily
lives. Effective testing allows infected individuals to be quarantined, thus
reducing the spread of COVID-19, saving countless lives, and helping to restart
the economy safely and securely. Developing a good testing strategy can be
greatly aided by contact tracing that provides health care providers
information about the whereabouts of infected patients in order to determine
whom to test. Countries that have been more successful in corralling the virus
typically use a ``test, treat, trace, test'' strategy that begins with testing
individuals with symptoms, traces contacts of positively tested individuals via
a combinations of patient memory, apps, WiFi, GPS, etc., followed by testing
their contacts, and repeating this procedure. The problem is that such
strategies are myopic and do not efficiently use the testing resources. This is
especially the case with COVID-19, where symptoms may show up several days
after the infection (or not at all, there is evidence to suggest that many
COVID-19 carriers are asymptotic, but may spread the virus). Such greedy
strategies, miss out population areas where the virus may be dormant and flare
up in the future.
In this paper, we show that the testing problem can be cast as a sequential
learning-based resource allocation problem with constraints, where the input to
the problem is provided by a time-varying social contact graph obtained through
various contact tracing tools. We then develop efficient learning strategies
that minimize the number of infected individuals. These strategies are based on
policy iteration and look-ahead rules. We investigate fundamental performance
bounds, and ensure that our solution is robust to errors in the input graph as
well as in the tests themselves.
- Abstract(参考訳): 新型コロナウイルス(COVID-19)の流行は、私たちの日常生活のあらゆる側面に影響を及ぼす主要な国際危機として展開している。
効果的な検査は、感染した個人を隔離し、新型コロナウイルスの感染拡大を減らし、無数の命を救い、安全かつ安全に経済を再開するのに役立つ。
優れた検査戦略の開発は、誰をテストするかを決定するために、感染した患者の位置に関する情報を医療提供者に提供する接触追跡によって大いに助けられる。
検査、治療、トレース、テスト」戦略は、症状のある個人を検査することから始まり、患者記憶、アプリ、wi-fi、gpsなどの組み合わせでポジティブに検査された個人の接触を追跡し、接触をテストし、この手順を繰り返す。
問題は、このような戦略が自発的であり、テストリソースを効率的に使用しないことです。
これは特に新型コロナウイルス(covid-19)の場合で、感染症の数日後に症状が現れる可能性がある(または全くない場合、多くのcovid-19キャリアが漸近的であるが、ウイルスが拡散している可能性があるという証拠がある)。
このような欲望の戦略は、将来ウイルスが休眠し、炎上する可能性がある人口圏を見逃す。
本稿では,様々な接触追跡ツールを用いて得られたソーシャルコンタクトグラフを用いて,課題への入力を行うための制約付き逐次学習ベースのリソース割り当て問題として,テスト問題をキャストできることを示す。
そして、感染した個体数を最小化する効率的な学習戦略を開発する。
これらの戦略はポリシーイテレーションとルックアヘッドルールに基づいている。
我々は、基本性能境界を調査し、我々のソリューションが入力グラフやテスト自体のエラーに対して堅牢であることを確認する。
関連論文リスト
- Protect Your Score: Contact Tracing With Differential Privacy Guarantees [68.53998103087508]
プライバシーに関する懸念は、現在展開を控えている、と私たちは主張する。
本稿では,この攻撃に対して異なるプライバシー保証を有する接触追跡アルゴリズムを提案する。
特に現実的な検査シナリオでは,ウイルス感染率の2倍から10倍の低下を実現している。
論文 参考訳(メタデータ) (2023-12-18T11:16:33Z) - Adaptive Sequential Surveillance with Network and Temporal Dependence [1.7205106391379026]
戦略的なテストアロケーションは、パンデミックと既存のパンデミックの両方のコントロールにおいて重要な役割を果たしている。
感染症の監視は、ユニークな統計上の課題を提示する。
適応型シーケンシャル監視のためのオンライン・スーパーラーナーを提案する。
論文 参考訳(メタデータ) (2022-12-05T17:04:17Z) - COVID-19 Detection from Chest X-ray Images using Imprinted Weights
Approach [67.05664774727208]
胸部X線撮影は、COVID-19の代替スクリーニング方法です。
コンピュータ支援診断(CAD)は低コストで高速で実現可能であることが証明されている。
この課題に対処するために,インプリント重みという低ショット学習手法を提案する。
論文 参考訳(メタデータ) (2021-05-04T19:01:40Z) - FLOP: Federated Learning on Medical Datasets using Partial Networks [84.54663831520853]
新型コロナウイルスの感染拡大で医療資源が不足している。
新型コロナウイルスの診断を緩和するために、さまざまなデータ駆動型ディープラーニングモデルが開発されている。
患者のプライバシー上の懸念から、データそのものはまだ乏しい。
我々は、textbfPartial Networks (FLOP) を用いた、シンプルで効果的な textbfFederated textbfL textbfon Medical データセットを提案する。
論文 参考訳(メタデータ) (2021-02-10T01:56:58Z) - Whom to Test? Active Sampling Strategies for Managing COVID-19 [1.4610038284393163]
本稿では、新型コロナウイルスなどのパンデミック時に感染を検査する個人を選択する方法を提案する。
ここで提示されるスマートテストのアイデアは、機械学習におけるアクティブラーニングとマルチアームバンディット技術によって動機付けられている。
論文 参考訳(メタデータ) (2020-12-25T02:04:50Z) - Predicting Infectiousness for Proactive Contact Tracing [75.62186539860787]
大規模デジタル接触追跡は、ウイルスの拡散を最小限に抑えながら、経済と社会活動を再開する潜在的な解決策である。
プライバシ、モビリティ制限、公衆衛生のトレードオフを行う様々なDCT手法が提案されている。
本稿では,個人の感染を積極的に予測するためにスマートフォンに展開可能な方法を開発し,検証する。
論文 参考訳(メタデータ) (2020-10-23T17:06:07Z) - Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。
本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。
我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
論文 参考訳(メタデータ) (2020-09-20T12:24:45Z) - A framework for optimizing COVID-19 testing policy using a Multi Armed
Bandit approach [15.44492804626514]
新型コロナウイルスの患者発見に対する様々な優先順位付け方針の影響について論じる。
本研究は, 人口監視の必要性と, 正の個体の最大発見のバランスをとるための枠組みを提案する。
論文 参考訳(メタデータ) (2020-07-28T10:28:38Z) - 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) - Noisy Pooled PCR for Virus Testing [2.973572497882374]
本研究は, 患者検体におけるウイルス感染状況を決定するためのスケーラブルなアプローチを開発する。
提案手法は群検定を線形逆問題に変換し, 偽陽性と負は雑音のある通信チャネルによって生成されると解釈する。
論文 参考訳(メタデータ) (2020-04-06T14:12:20Z) - COVID-19: Strategies for Allocation of Test Kits [18.334339425815312]
テストキット割り当ての現在の戦略は、主にルールベースであり、a)新型コロナウイルスの症状、(b)旅行歴、または(c)確認された新型コロナウイルス患者との接触歴を持つ個人に焦点を当てている。
地域社会の広がりを防ぎ、早期に新たな症例を検出することを目的とした、1日あたりの検査キットの別予算を割り当てることが重要である。
これらのアプローチは、コミュニティの広がりを包含し、新しいケースを早期に検出するのに有用であると考えています。
論文 参考訳(メタデータ) (2020-04-03T19:02:59Z)
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。