論文の概要: An Infectious Disease Spread Simulation Based on Large Language Model Decision Making

• arxiv url: http://arxiv.org/abs/2606.06360v2
• Date: Mon, 08 Jun 2026 15:54:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:04.994226
• Title: An Infectious Disease Spread Simulation Based on Large Language Model Decision Making
• Title（参考訳）: 大規模言語モデル決定に基づく感染性疾患のスプレッドシミュレーション
• Authors: Yonchanok Khaokaew, Ruochen Kong, Andreas Zufle, Hao Xue, Taylor Anderson, Chandini Raina MacIntyre, Matthew Scotch, Flora D. Salim, David J Heslop,
• Abstract要約: 我々は、独立推論、家庭の影響、メッセージフレーミングの3つの意思決定シナリオを実装し、比較し、サンフランシスコとアトランタにおける自己報告の結果をシミュレートする。 結果は、収入と教育が、地理、LLMモデル選択、メッセージフレーミングによるより小さいが一貫した影響で、報告率の変化の主要な要因であることを示している。
• 参考スコア（独自算出の注目度）: 9.37747623210578
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modelling individual decision-making during infectious disease outbreaks is crucial for understanding behavioural dynamics and informing effective public health interventions. Prior work has shown that large language models can simulate realistic human behaviour by generating agent decisions based on demographic prompts and situational context. We build on this foundation with a spatially grounded, agent-based simulation framework that integrates LLM-generated decisions about self-reported influenza-like illness into a census-based synthetic population of agents. Location is treated as a central feature: agents are assigned to spatial units within cities, capturing the spatial distributions of different demographic groups using real-world census data and enabling geographically diverse behavioural modelling. We implement and compare three decision scenarios, independent reasoning, household influence, and message framing, and simulate self-reporting outcomes in San Francisco and Atlanta. Results reveal that income and education are the dominant drivers of reporting rate variation, with smaller but consistent effects from geography, LLM model choice, and message framing. Our framework generates synthetic data that captures both social and geographic heterogeneity, supporting spatial epidemiological modelling and bias-aware behavioural analysis.
• Abstract（参考訳）: 感染症発生時の個人の意思決定をモデル化することは、行動力学を理解し、効果的な公衆衛生介入を通知するために重要である。 以前の研究は、人口統計学的なプロンプトと状況的文脈に基づいてエージェント決定を生成することによって、大きな言語モデルが現実的な人間の振る舞いをシミュレートできることを示してきた。 本研究は, LLMによる自己申告型インフルエンザ様疾患に関する意思決定を, 人口統計に基づく総合的なエージェント集団に組み込む, 空間的基盤を持つエージェントベースのシミュレーションフレームワークを基盤として構築する。 エージェントは都市内の空間単位に割り当てられ、現実世界の国勢調査データを用いて異なる人口集団の空間分布を捉え、地理的に多様な行動モデリングを可能にする。 我々は、独立推論、家庭の影響、メッセージフレーミングの3つの意思決定シナリオを実装し、比較し、サンフランシスコとアトランタにおける自己報告の結果をシミュレートする。 結果は、収入と教育が、地理、LLMモデル選択、メッセージフレーミングによるより小さいが一貫した影響で、報告率の変化の主要な要因であることを示している。 本フレームワークは,空間疫学モデリングと偏見を考慮した行動解析をサポートする,社会的・地理的不均一性を捉える合成データを生成する。

関連論文リスト

• General Demographic Foundation Models for Enhancing Predictive Performance Across Diseases and Populations [0.39508022083907385]
  デモグラフィックの属性は、電子的な健康記録に普遍的に存在している。 その重要性にもかかわらず、人口統計学的特性はモデル設計において補助として扱われることが多い。 本研究は、人口統計特性に合わせた基礎モデルとして、一般デモグラフィック事前学習(GDP)モデルを開発する。
  論文  参考訳（メタデータ） (2025-09-09T02:02:27Z)
• MF-LLM: Simulating Population Decision Dynamics via a Mean-Field Large Language Model Framework [53.82097200295448]
  MF-LLM(Mean-Field LLM)は,まず平均場理論を社会シミュレーションに取り入れる。 MF-LLMは反復過程を通じて個人と人口間の双方向相互作用をモデル化する。 IB-Tuneは、Information Bottleneckの原理にインスパイアされた、新しい微調整手法である。
  論文  参考訳（メタデータ） (2025-04-30T12:41:51Z)
• Synthetic location trajectory generation using categorical diffusion models [50.809683239937584]
  拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。 本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
  論文  参考訳（メタデータ） (2024-02-19T15:57:39Z)
• Agent-Based Model: Simulating a Virus Expansion Based on the Acceptance of Containment Measures [65.62256987706128]
  比較疫学モデルは、疾患の状態に基づいて個人を分類する。 我々は、適応されたSEIRDモデルと市民のための意思決定モデルを組み合わせたABMアーキテクチャを提案する。 スペイン・ア・コルナにおけるSARS-CoV-2感染症の進行状況について検討した。
  論文  参考訳（メタデータ） (2023-07-28T08:01:05Z)
• An Agent-Based Model of COVID-19 Diffusion to Plan and Evaluate Intervention Policies [0.09236074230806579]
  このモデルはイタリアのピエモンテの構造データを含んでいる。 このモデルは、エージェントの行動と相互作用の結果から生じる複雑な伝染病のダイナミクスの生成である。
  論文  参考訳（メタデータ） (2021-08-19T19:23:17Z)
• Pyfectious: An individual-level simulator to discover optimal containment polices for epidemic diseases [16.28189705178286]
  本研究では、集団構造をモデル化し、疾患の伝播を個人レベルで制御できるシミュレータを提案する。 潜在的な応用を示すため、シミュレーターパラメータは新型コロナウイルスのパンデミックの正式な統計に基づいて設定される。 このシミュレーターは、パンデミックを制御するための最適なポリシーを見つけるために強化学習問題の環境として使用される。
  論文  参考訳（メタデータ） (2021-03-24T10:54:46Z)
• Adversarial Sample Enhanced Domain Adaptation: A Case Study on Predictive Modeling with Electronic Health Records [57.75125067744978]
  ドメイン適応を容易にするデータ拡張手法を提案する。 逆生成したサンプルはドメイン適応時に使用される。 その結果,本手法の有効性とタスクの一般性が確認された。
  論文  参考訳（メタデータ） (2021-01-13T03:20:20Z)
• A Malaria Control Model Using Mobility Data: An Early Explanation of Kedougou's Case in Senegal [1.2599533416395767]
  本論文は, 訪問する地域の移動性や特徴に依存する, 個人状態の日々の進化に依拠するモデルを提案する。 その結果,ケドゥグウ地域での疾患管理の失敗に関する知見を提供する上で,モデルがいかに有望かが示唆された。
  論文  参考訳（メタデータ） (2020-04-12T12:44:45Z)

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。