論文の概要: Empowering Epidemic Response: The Role of Reinforcement Learning in Infectious Disease Control

• arxiv url: http://arxiv.org/abs/2603.25771v1
• Date: Thu, 26 Mar 2026 08:34:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-30 21:49:48.203118
• Title: Empowering Epidemic Response: The Role of Reinforcement Learning in Infectious Disease Control
• Title（参考訳）: 伝染病対策における強化学習の役割
• Authors: Mutong Liu, Yang Liu, Jiming Liu,
• Abstract要約: 強化学習(Reinforcement Learning, RL)は、近年の感染症の感染拡大や流行に対処するための介入戦略を最適化するために、感染症のコントロールに用いられている。 公衆衛生の非医薬的・医薬的介入の戦略を最適化するためのRLアプローチの開発と適用について、この話題を専門に論じる調査はほとんどない。 本稿では, 感染症の感染拡大と流行の制御にRLアプローチが用いられている経緯について, 最新の文献の簡潔なレビューと議論を行う。
• 参考スコア（独自算出の注目度）: 6.442926156388068
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reinforcement learning (RL), owing to its adaptability to various dynamic systems in many real-world scenarios and the capability of maximizing long-term outcomes under different constraints, has been used in infectious disease control to optimize the intervention strategies for controlling infectious disease spread and responding to outbreaks in recent years. The potential of RL for assisting public health sectors in preventing and controlling infectious diseases is gradually emerging and being explored by rapidly increasing publications relevant to COVID-19 and other infectious diseases. However, few surveys exclusively discuss this topic, that is, the development and application of RL approaches for optimizing strategies of non-pharmaceutical and pharmaceutical interventions of public health. Therefore, this paper aims to provide a concise review and discussion of the latest literature on how RL approaches have been used to assist in controlling the spread and outbreaks of infectious diseases, covering several critical topics addressing public health demands: resource allocation, balancing between lives and livelihoods, mixed policy of multiple interventions, and inter-regional coordinated control. Finally, we conclude the paper with a discussion of several potential directions for future research.
• Abstract（参考訳）: 強化学習(Reinforcement Learning, RL)は、様々な現実のシナリオにおける様々な動的システムへの適応性と、様々な制約の下で長期的成果を最大化できる能力により、近年の伝染病の予防と流行への対応のための介入戦略の最適化に利用されてきた。 感染症の予防・対策に公衆衛生部門を補助するRLの可能性は徐々に高まり、新型コロナウイルスやその他の感染症に関する出版物が急速に増えている。 しかし、この話題、すなわち、公衆衛生の非医薬的および薬学的な介入の戦略を最適化するためのRLアプローチの開発と適用についてのみ論じる調査は少ない。 そこで本論文は,感染拡大と流行の抑制にRLアプローチがどのような役割を果たしてきたのかについて,資源配分,生活と生活のバランス,複数介入の混成政策,地域間調整など,公衆衛生上の要求に対処するいくつかの重要なトピックについて,最新の文献を簡潔にレビューし,議論することを目的とする。 最後に,今後の研究の方向性について論じる。

関連論文リスト

• Learning Pareto-Optimal Pandemic Intervention Policies with MORL [1.160208922584163]
  本研究では,疾患拡散防止戦略をモデル化し,評価するための枠組みを開発する。 シミュレーションでは,全国規模のパンデミックのダイナミクスを再現し,他のモデルよりも桁違いに忠実に再現する。 この研究は、公衆衛生危機を緩和するための透明で証拠に基づく政策決定を支援する。
  論文  参考訳（メタデータ） (2025-10-02T12:06:29Z)
• Optimization of Infectious Disease Intervention Measures Based on Reinforcement Learning - Empirical analysis based on UK COVID-19 epidemic data [1.2637032027754087]
  エージェント・ベース・トランスミッション・モデルに基づく意思決定フレームワークを構築した。 コヴァシムは、詳細で広く使われているエージェントベースの疾患伝達モデルであり、強化学習研究を支援するために修正された。
  論文  参考訳（メタデータ） (2025-05-07T06:23:26Z)
• Infectious Disease Forecasting in India using LLM's and Deep Learning [0.3141085922386211]
  本稿では,感染症発生の重症度を予測するためのディープラーニングアルゴリズムとLCMを実装した。 私たちの研究から得た知見は、将来のアウトブレイクに対する堅牢な予測システムの構築を支援することを目的としています。
  論文  参考訳（メタデータ） (2024-10-26T12:54:09Z)
• Reinforcement Learning for Safe Occupancy Strategies in Educational Spaces during an Epidemic [9.68145635795782]
  本研究は、感染の最小化と教育環境における対人交流の最大化を両立させる戦略を開発するための強化学習(RL)に焦点を当てる。 感染拡大をシミュレートし,様々なRLアルゴリズムの探索を容易にする新しいツールであるSafeCampusを紹介する。
  論文  参考訳（メタデータ） (2023-12-23T04:51:23Z)
• Deep Reinforcement Learning for Efficient and Fair Allocation of Health Care Resources [47.57108369791273]
  医療資源の枯渇は、レーションの避けられない結果をもたらす可能性がある。 医療資源割り当てプロトコルの普遍的な標準は存在しない。 本稿では,患者の疾患進行と患者間の相互作用効果を統合するためのトランスフォーマーベースのディープQネットワークを提案する。
  論文  参考訳（メタデータ） (2023-09-15T17:28:06Z)
• Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
  この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。 疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。 また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
  論文  参考訳（メタデータ） (2022-07-19T16:15:11Z)
• Digital Epidemiology: A review [0.0]
  疫学は近年、計算モデルに基づく大きな進歩を目撃している。 ビッグデータとアプリによって、大規模な実データによるモデルの検証と精錬が可能になる。 エボラは、システム解を必要とするため、複雑性のレンズからアプローチする必要がある。
  論文  参考訳（メタデータ） (2021-04-08T08:45:20Z)
• 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)
• Mapping the Landscape of Artificial Intelligence Applications against COVID-19 [59.30734371401316]
  世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。 我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
  論文  参考訳（メタデータ） (2020-03-25T12:30:33Z)

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。