Evaluation of Deep Learning Based Early Warning Indicators of Epidemic Outbreaks

技術要約：深層学習に基づく流行発生の早期警戒指標の評価

問題提起
流行システムにおいて、「臨界遷移（critical transitions）」または分岐（bifurcations）——具体的には、基本再生産数（$R_0$）が1を横切り、疾患が消滅から持続へと移行する点——を検出することは、アウトブレイクへの備えにおいて極めて重要である。従来の統計的指標（ラグ1自己相関、分散など）は、これらの遷移付近での「臨界減速（critical slowing down: CSD）」を察知できるものの、一般的に将来の状態を予測したり、特定の分岐タイプ（例：フォールド、ホップ、転換分岐）を分類したりすることには失敗する。

Buryら（一般的な常微分方程式（ODE）で学習）やChakraborty/Miry（SIRベースの確率的シミュレーションで学習）による最近の深層学習（DL）アプローチは、分岐の検出および分類において有望な成果を示している。しかし、これらのモデルを実世界のデータに適用する場合、以下のような重大な限界に直面する：

1. 汎化のギャップ（Generalization Gap）： 一般的な数学モデルや特定のノイズ構成で学習されたモデルは、変動するノイズレベルや人口統計学的要因を特徴とする実世界の流行データにおいて、分岐の検出に失敗することが多い。
2. 厳密な評価の欠如： 複数の地理的領域にわたる、実世界の州レベルのサーベイランス・データを用いた、これら学習済みDLモデルの体系的な評価はこれまで行われていない。
3. 運用の不確実性： オンラインかつリアルタイムの予測に必要とされる、異なるデータ・ウィンドウイング戦略の下で、これらのモデルがどのように機能するかは依然として不明である。

手法
著者らは、既存の学習済みDL分岐予測モデルを、CDCが収集した全50州、ワシントンD.C.、および全国集計値を含む週単位のインフルエンザ入院患者数のデータセットを用いて評価するための包括的なパイプラインを開発した（2022年7月～2025年初頭）。

• データ準備:
  • 前処理: Buryらのモデルの学習要件に合わせるため、著者らは厳格な前処理パイプラインを適用した。(1) 緩やかなトレンドを除去しつつ変動構造を保持するためのLowessフィルタ（スパン0.2）を用いたデトレンド処理。(2) 残差をデータセットの平均絶対値で除算することによる正規化。
  • グラウンドトゥルース（正解ラベル）の作成: 一貫した連続間隔データが州レベルの$R_t$推定に使用できないため、グラウンドトゥルースとしての分岐点は、EpyEstimパッケージ（ベイズ更新方程式アプローチ）を用いて全国レベルで特定された。州レベルの評価については、全国的な傾向に基づき、2つの手動による分岐区間を定義した：区間A（t=108–118）および区間B（t=127–140）。
• 評価対象モデル:
  • Bury et al. (2021): フォールド、ホップ、および転換分岐を示す500,000個の時系列（一般的なODE由来）で学習されたCNN-LSTMアーキテクチャ。
  • Chakraborty/Miry (2024–2025): 加法的なホワイトノイズ、乗法的な環境ノイズ、および人口統計学的ノイズを組み込んだSIRベースの確率的シミュレーションで再学習されたモデル。
• ウィンドウイング戦略: 本研究では、オンライン予測のための入力テンソル構築戦略がモデルの性能にどのように影響するかを体系的に評価した：
  • ローリング・ウィンドウ（直近100点）: 最も新しい100個のデータ点のみを使用する元の手法。
  • 拡張ウィンドウ（Expanding Window）: ウィンドウがシリーズの開始から現在まで成長していく手法（最大100点に制限）。
  • 固定長移動ウィンドウ（Fixed-Length Moving Window）: シリーズ全体にわたる100点のスライディングウィンドウ。
  • 短縮ローリング・ウィンドウ: 長さ50でゼロパディングを伴うもの。
  • マルチ分岐入力: 複数の分岐点をまたぐウィンドウを供給する手法。

主な結果
評価の結果、モデルの性能はウィンドウイング戦略および特定の分岐区間に強く依存することが明らかになった。

• 性能指標: **拡張ウィンドウ（Expanding Window）**戦略（現在の時点までの完全な履歴コンテキストを保持し、最大100点に制限）が、すべての指標において最高の性能を示した：
  • 正解率（Accuracy）: 90.09%
  • 適合率（Precision）: 72.86%
  • 再現率（Recall）: 96.23%
  • F1スコア: 82.93%
  • 特異度（Specificity）: 88.05%
• 戦略の比較:
  • 元のローリング・ウィンドウ（直近100点）は、大幅に低い正解率（63.48%）と適合率（17.35%）となった。
  • 単一の入力テンサ内に入力されるウィンドウ内に複数の分岐点が含まれる戦略は、個別の区間に対する精度を低下させたが、最初のティッピングポイントが十分にカバーされていれば、集計的な性能を必ずしも低下させることはなかった。
• 区間の不一致: モデルは、最初の主要な分岐（区間A）の検出において高い一貫性を示した（真陽性率 51/53箇所）。区間Bでは性能が低下した（34/53箇所）。これは、第2波のタイミングが州によって大きく異なり、すべてのピークを網羅しつつ広くなりすぎないような単一の評価ウィンドウを定義することが困難であったためと考えられる。モデルは、実世界のダイナミクスが学習データの分布に近接している場合に最も高い性能を発揮した。

意義と主張
本論文は、事前学習済みの分岐検出用深層学習モデルは、入力ウィンドウイング戦略を最適化すれば、実世界の州レベルのインフルエンザ・データに対して汎化が可能であり、オンライン/リアルタイム予測が可能であることを主張している。

• 文脈上の重要性: 本研究は、シリーズの完全な時間的コンテキストを保持すること（拡張ウィンドウ経由）が、単に直近のデータ点のみを使用することよりも優れていることを示しており、これはシステムのティッピングポイントへの接近に関する「記憶」が、モデルの認識能力にとって極めて重要であることを示唆している。
• 運用の実現可能性: これらの知見は、これらのモデルが実世界のサーベイランスへの適用に適していることを示しているが、著者らは一部の構成における適合率が偽陽数によって引き下げられていることを指摘しており、運用展開時には閾値調整が必要であることを示唆している。
• 代替フレームワーク: 本論文は、流行の遷移を検出するための有望な代替フレームワークとして、マルコフ・レジーム・スイッチング（MRS）モデルについても簡潔に言及しているが、その完全な比較評価は今後の課題とされている。

著者らは、これらのモデルは有望ではあるものの、その精度は実世界の分岐ダイナミクスと学習データの類似性に依存しており、検出性能を最大化するためには、入力ウィンドウイング戦略の慎重な選択が不可欠であると結論付けている。