Evaluation of Deep Learning Based Early Warning Indicators of Epidemic Outbreaks

तकनीकी सारांश: महामारी के प्रकोप के गहरे शिक्षण (Deep Learning) आधारित प्रारंभिक चेतावनी संकेतकों का मूल्यांकन

समस्या विवरण
महामारी प्रणालियों में, "क्रिटिकल ट्रांजिशन" या द्विभाजन (bifurcations)—विशेष रूप से वह बिंदु जहाँ मूल प्रजनन संख्या ($R_0$) 1 को पार करती है, जिससे बीमारी विलुप्ति से निरंतरता की ओर बढ़ती है—का पता लगाना प्रकोप की तैयारी के लिए अत्यंत महत्वपूर्ण है। जबकि पारंपरिक सांख्यिकीय संकेतक (जैसे, लैग-1 ऑटोकोरिलेशन, वेरिएंस) इन संक्रमणों के निकट क्रिटिकल स्लोइंग डाउन (CSD) का संकेत दे सकते हैं, वे आम तौर पर भविष्य की अवस्थाओं की भविष्यवाणी करने या विशिष्ट प्रकार के द्विभाजन (जैसे, फोल्ड, हॉफ, ट्रांसक्रिटिकल) को वर्गीकृत करने में विफल रहते हैं।

हालिया डीप लर्निंग (DL) दृष्टिकोण, जैसे कि बुरी एट अल. (जेनेरिक ODEs पर प्रशिक्षित) और चक्रवर्ती/मिरी (SIR-आधारित स्टोकेस्टिक सिमुलेशन पर प्रशिक्षित) द्वारा विकसित मॉडल, द्विभाजन का पता लगाने और वर्गीकरण करने में आशाजनक रहे हैं। हालाँकि, वास्तविक दुनिया के डेटा पर लागू होने पर इन मॉडलों को महत्वपूर्ण सीमाओं का सामना करना पड़ता है:

1. सामान्यीकरण अंतराल (Generalization Gap): जेनेरिक गणितीय मॉडलों या विशिष्ट शोर (noise) कॉन्फ़िगरेशन पर प्रशिक्षित मॉडल अक्सर विविध शोर स्तरों और जनसांख्यिकीय कारकों वाले वास्तविक दुनिया के महामारी डेटा में द्विभाजन का पता लगाने में विफल रहते हैं।
2. कठोर मूल्यांकन का अभाव: विभिन्न भौगोलिक क्षेत्रों में फैले वास्तविक दुनिया के राज्य-स्तरीय निगरानी डेटा पर इन पूर्व-प्रशिक्षित DL मॉडलों का कोई व्यवस्थित मूल्यांकन नहीं किया गया है।
3. परिचालन अनिश्चितता: यह स्पष्ट नहीं है कि ऑनलाइन, वास्तविक समय की भविष्यवाणी के लिए आवश्यक विभिन्न डेटा विंडोइंग रणनीतियों के तहत ये मॉडल कैसे प्रदर्शन करते हैं।

कार्यप्रणाली
लेखकों ने सभी 50 अमेरिकी राज्यों, वाशिंगटन डी.सी. और राष्ट्रीय संकलनों (जुलाई 2022 – प्रारंभिक 2025) के CDC-क्यूरेटेड साप्ताहिक इन्फ्लुएंजा अस्पताल प्रवेश डेटा पर मौजूदा पूर्व-प्रशिक्षित DL द्विभाजन भविष्यवाणी मॉडलों का मूल्यांकन करने के लिए एक व्यापक पाइपलाइन विकसित की।

• डेटा तैयारी:
  • प्रीप्रोसेसिंग: बुरी एट अल. के मॉडलों की प्रशिक्षण आवश्यकताओं से मेल खाने के लिए, लेखकों ने एक सख्त प्रीप्रोसेसिंग पाइपलाइन लागू की: (1) उतार-चढ़ाव की संरचनाओं को सुरक्षित रखते हुए धीमे रुझानों को हटाने के लिए लोएस (Lowess) फ़िल्टर (स्पैन 0.2) का उपयोग करके डिट्रेंडिंग (Detrending); (2) डेटासेट के माध्य निरपेक्ष मान (mean absolute value) द्वारा अवशेषों (residuals) को विभाजित करके नॉर्मलाइजेशन।
  • ग्राउंड ट्रुथ लेबलिंग: चूंकि राज्य-स्तरीय $R_t$ अनुमान के लिए सुसंगत सीरियल इंटरवल डेटा उपलब्ध नहीं था, इसलिए राष्ट्रीय स्तर पर EpyهامEstim पैकेज (बायेसियन रेन्यूअल इक्वेशन दृष्टिकोण) का उपयोग करके ग्राउंड-ट्रुथ द्विभाजन बिंदुओं की पहचान की गई। राज्य-स्तरीय मूल्यांकन के लिए, दो मैनुअल द्विभाजन अंतराल परिभाषित किए गए: अंतराल A (t=108–118) और अंतराल B (t=127–140)।
• मूल्यांकित मॉडल:
  • बुरी एट अल. (2021): एक CNN-LSTM आर्किटेक्चर जिसे फोल्ड, हॉफ और ट्रांसक्रिटिकल द्विभाजन प्रदर्शित करने वाले 500,000 जेनेरिक ODEs से प्रशिक्षित किया गया था।
  • चक्रवर्ती/मिरी (2024–2025): एडिटिव व्हाइट, मल्टीप्लिकेटिव एनवायर्नमेंटल और डेमोग्राफिक नॉइज़ को शामिल करने वाले SIR-आधारित स्टोकेस्टिक सिमुलेशन पर पुन: प्रशिक्षित मॉडल।
• विंडोइंग रणनीतियाँ: अध्ययन ने ऑनलाइन भविष्यवाणी के लिए विभिन्न इनपुट टेंसर निर्माण रणनीतियों के तहत मॉडलों के प्रदर्शन का व्यवस्थित मूल्यांकन किया:
  • रोलिंग विंडो (अंतिम 100): केवल सबसे हाल के 100 बिंदुओं का उपयोग करने वाली मूल विधि।
  • एक्सपैंडिंग विंडो (Expanding Window): विंडो श्रृंखला की शुरुआत से वर्तमान बिंदु तक बढ़ती है (100 तक सीमित)।
  • फिक्स्ड-लेंथ मूविंग विंडो: पूरी श्रृंखला में 100 बिंदुओं की एक स्लाइडिंग विंडो।
  • शॉर्टर रोलिंग विंडो: ज़ीरो-पैडिंग के साथ लंबाई 50।
  • मल्टी-बिफर्केशन इनपुट: कई टिपिंग पॉइंट्स को कवर करने वाली विंडोज़ को फीड करना।

मुख्य परिणाम
मूल्यांकन से पता चला कि मॉडल का प्रदर्शन विंडोइंग रणनीति और विशिष्ट द्विभाजन अंतराल पर अत्यधिक निर्भर है।

• प्रदर्शन मेट्रिक्स: एक्सपैंडिंग विंडो रणनीति (वर्तमान समय तक की पूरी ऐतिहासिक संदर्भ को बनाए रखना, 100 बिंदुओं तक सीमित) ने सभी मेट्रिक्स में सर्वश्रेष्ठ प्रदर्शन किया:
  • सटीकता (Accuracy): 90.09%
  • परिशुद्धता (Precision): 72.86%
  • रिकॉल (Recall): 96.23%
  • F1 स्कोर: 82.93%
  • विशिष्टता (Specificity): 88.05%
• रणनीतियों की तुलना:
  • मूल रोलिंग विंडो (अंतिम 100 बिंदु) ने काफी कम सटीकता (63.48%) और परिशुद्धता (17.35%) प्राप्त की।
  • वे रणनीतियाँ जो एक ही इनपुट टेंसर के भीतर कई द्विभाजन बिंदुओं को उजागर करती थीं, उन्होंने व्यक्तिगत अंतरालों के लिए सटीकता को कम किया, लेकिन यदि पहला टिपिंग पॉइंट पर्याप्त रूप से कवर किया गया हो, तो उन्होंने समग्र प्रदर्शन को नुकसान नहीं पहुँचाया।
• अंतराल विसंगति (Interval Discrepancy): मॉडल पहले प्रमुख द्विभाजन (अंतराल A) का पता लगाने में उच्च निरंतरता प्रदर्शित करते हैं, जिसमें 53/53 स्थानों पर ट्रू पॉजिटिव दर देखी गई। अंतराल B (34/53 स्थानों) में प्रदर्शन गिर गया, संभवतः इसलिए क्योंकि दूसरे वेव (wave) का समय राज्यों के अनुसार काफी भिन्न था, जिससे एक एकल मूल्यांकन विंडो को परिभाषित करना कठिन हो गया जो सभी चोटियों (peaks) को बिना बहुत व्यापक हुए समाहित कर सके। मॉडल तब सबसे अच्छा प्रदर्शन करते थे जब वास्तविक दुनिया की गतिशीलता प्रशिक्षण डेटा वितरण के करीब होती थी।

महत्व और दावे
यह शोध दावा करता है कि द्विभाजन का पता लगाने वाले पूर्व-प्रशिक्षित डीप लर्निंग मॉडल वास्तविक दुनिया के, राज्य-स्तरीय इन्फ्लुएंजा डेटा के लिए सामान्यीकरण कर सकते हैं और ऑनलाइन/रियल-टाइम भविष्यवाणी करने में सक्षम हैं, बशर्ते कि इनपुट विंडोइंग रणनीति अनुकूलित हो।

• संदर्भगत महत्व: अध्ययन यह प्रदर्शित करता है कि श्रृंखला के पूर्ण टेम्पोरल कॉन्टेक्स्ट (एक एक्सपैंडिंग विंडो के माध्यम से) को बनाए रखना केवल हाल के डेटा बिंदुओं का उपयोग करने की तुलना में बेहतर है, जो यह सुझाव देता है कि सिस्टम के टिपिंग पॉइंट की ओर बढ़ने की "मेमोरी" मॉडल की पहचान क्षमताओं के लिए महत्वपूर्ण है।
• परिचालन व्यवहार्यता: निष्कर्षों से संकेत मिलता है कि ये मॉडल वास्तविक दुनिया की निगरानी के लिए उपयुक्त हैं, हालांकि लेखक नोट करते हैं कि कुछ कॉन्फ़िगरेशन में परिशुद्धता मान (precision values) फॉल्स पॉजिटिव्स द्वारा संचालित थे, जो परिचालन तैनाती में थ्रेशोल्ड ट्यूनिंग की आवश्यकता को दर्शाता है।
• वैकल्पिक ढांचे: यह शोध संक्षेप में मार्कोव रिजीम स्विचिंग (MRS) मॉडल के बारे में चर्चा करता है जो महामारी के संक्रमण का पता लगाने के लिए एक आशाजनक वैकल्पिक ढांचा है, हालांकि पूर्ण तुलनात्मक मूल्यांकन भविष्य के कार्य के लिए सुरक्षित रखा गया है।

लेखक निष्कर्ष निकालते हैं कि हालांकि ये मॉडल आशाजनक हैं, उनकी सटीकता इस बात पर निर्भर करती है कि वास्तविक दुनिया के द्विभाजन डायनेमिक्स और प्रशिक्षण डेटा के बीच कितनी समानता है, और अधिकतम पहचान प्रदर्शन के लिए इनपुट विंडोइंग रणनीति का सावधानीपूर्वक चयन आवश्यक है।