※本記事は、KDD2024（Knowledge Discovery and Data Mining 2024）での研究発表「Artificial Intelligence for Data-centric Surveillance and Forecasting of Epidemics」の内容を基に作成されています。この研究は、ジョージア工科大学で博士課程研究として実施され、現在は、ミシガン大学の助教授として活動されている発表者による内容です。発表動画は https://www.youtube.com/watch?v=Wvvg0bjWw9I でご覧いただけます。本記事では、講演内容を要約・構造化しておりますが、原著作者の研究内容を正確に反映するよう努めています。ただし、要約や解釈による誤りがある可能性もありますので、正確な情報や文脈については、オリジナルの講演動画をご視聴いただくことをお勧めいたします。
1. 研究の背景と重要性
1.1. 疫病の社会的影響
感染症の流行は、私たちの社会に今なお深刻な影響を与え続けています。皆さんはCOVID-19のパンデミック時に、メディアで頻繁に目にした感染マップを覚えているでしょう。各地域での感染者数を示す円が地図上に表示され、時系列で見ると疫学曲線として epidemic curves が描かれていました。これらの可視化は、各地域での感染状況の歴史と現状を示すだけでなく、将来のトレンドを理解する上でも重要な役割を果たしました。
私たちは、パンデミックが「過去の話」だと考えがちですが、実際にはまだ非常に大きな社会的影響を及ぼしています。具体例として、2023年12月から2024年1月までのたった1ヶ月という短期間でも、米国では深刻な医療負荷が発生しました。COVID-19では約16万件の新規入院と1.1万件の死亡が報告され、インフルエンザによる新規入院も約88万件に達しています。これらの数字は、感染症が現代社会においても依然として重大な課題であることを如実に示しています。
この状況に対応するため、世界保健機関（WHO）、米国疾病予防管理センター（CDC）、そして私の所属するミシガン州保健福祉局をはじめとする公衆衛生機関が、世界中で感染症対策に取り組んでいます。これらの機関は、感染状況の把握、公衆衛生サーベイランス、将来予測、感染源の特定、そして未報告の感染例の推定など、多岐にわたる課題に直面しています。さらに、リソース配分、個人のリスク評価、治療法の開発といった重要な意思決定も担っています。私の研究では、特に状況認識と予測に焦点を当て、これらの課題に対する解決策の開発を目指しています。
1.2. 最新の感染症統計（2023-2024年冬期）
感染症が現代社会においても深刻な課題であり続けていることを、最新の統計データが明確に示しています。私が特に注目したいのは、2023年12月から2024年1月までのわずか1ヶ月間に記録された米国の感染症統計です。この期間、COVID-19による新規入院は約16万件に達し、死亡者数は1.1万人を記録しました。さらに、同時期にインフルエンザによる新規入院も約88万件発生しています。
これらの数字が示す重要な点は、1ヶ月という極めて短い期間での発生件数だということです。パンデミックのピーク時から2年以上が経過し、多くの人々が感染症の脅威は過去のものだと考えがちです。しかし、これらの統計は感染症が依然として公衆衛生上の重大な脅威であり続けていることを明確に示しています。この現実は、継続的な監視体制と効果的な予測システムの必要性を強く示唆しています。
1.3. 公衆衛生機関の役割と課題
感染症の世界的な拡大に対応するため、世界保健機関（WHO）をはじめとする国際機関、米国疾病予防管理センター（CDC）などの国家機関、そして私の所属するミシガン州保健福祉局のような地域の保健機関が、それぞれの役割を担って活動しています。これらの機関には、状況を正確に把握し、適切な意思決定を行うという重要な責務があります。
私たちの機関が直面している主な課題は、大きく分けて以下のようなものです。まず、公衆衛生サーベイランスを通じた状況把握があります。次に、将来の感染動向の予測、感染源の特定、そして報告されていない感染例の推定といった分析業務があります。これらの情報に基づいて、リソース配分、個人のリスク評価、治療法の開発といった重要な意思決定を行う必要があります。
私の研究では、これらの課題のうち特に「状況把握」と「将来予測」に焦点を当てています。なぜなら、これらは他のすべての意思決定の基盤となる重要な要素だからです。例えば、医療リソースの適切な配分や個人レベルでのリスク評価を行うためには、正確な状況把握と信頼性の高い予測が不可欠です。
これらの課題に対して、私たちは伝統的な公衆衛生データソースに加えて、新しいデータソースも活用しながら、より効果的な解決策を模索しています。特に、データの感度、粒度、適時性を向上させることで、公衆衛生機関の意思決定をより効果的にサポートすることを目指しています。
2. リアルタイム疫学対応の課題
2.1. 状況認識と予測の難しさ
リアルタイムでの疫病対応において、最も困難な課題の一つが状況認識と将来予測です。私たちの研究では、特にこの課題に焦点を当てています。実際の事例を用いて説明させていただきますと、横軸に疫病週（epidemic week）、縦軸に感染指標（週間死亡率や発生率など）をとったグラフを考えます。このような状況下で、私たちは現在の状況を正確に把握し、将来の展開を予測する必要があります。
将来の可能性として、感染活動が低下する、現状維持、あるいは上昇するという3つのシナリオが考えられます。しかし、トレンドだけを見て判断することは非常に危険です。例えば、下降トレンドに見えても、実際には上昇に転じるケースが多々あります。これは実際の事例で示されており、予測の赤い線が示すように、予想に反して感染が拡大することがあります。
このような予測の困難さは、複数の要因を同時に考慮する必要があることに起因しています。具体的には、以下の指標を総合的に分析する必要があります：
- 感染者数の推移
- 人々の接触パターン
- その時点での症状を持つ人々の数
- その他の関連指標
これらの指標を適切に組み合わせることで、初めて将来の展開をより正確に予測することが可能になります。しかし、これらの指標間の相互作用は複雑で、単純な線形関係では説明できないことが多く、それがリアルタイムでの予測をさらに困難にしています。
例えば、ワクチン接種前のパンデミック初期では、人々の移動が増えれば感染活動が増加するという明確な関係がありました。しかし、ワクチン導入後はこの関係がより複雑になり、単純な因果関係では説明できなくなりました。このような状況の変化も、予測の難しさを増大させる要因の一つとなっています。
2.2. 多様なデータソースの活用
より正確な状況把握と予測を実現するため、私たちは従来の公衆衛生データに加えて、新しい革新的なデータソースを活用しています。特に注目すべきは、Safegraph、Facebook、Google、Kinsaといった企業が提供する多様なデータソースです。これらは従来の公衆衛生データソースと比較して、より高い感度、粒度、そしてタイムリーな情報提供を可能にしています。
具体的には、Safegraphからは人々の移動パターンを示すモビリティデータを、Facebookからは症状に関する調査データを、Googleからは症状に関する検索データを、そしてKinsaからは家庭での発熱状況に関するデータを取得しています。これらのデータは公開されており、従来の公衆衛生データソースよりも高い精度と時間的即時性を提供しています。
さらに、最近の公衆衛生への関心の高まりにより、これらのデータの利用可能性は大きく向上しています。各データソースは異なる角度から感染状況を捉えており、これらを組み合わせることで、より包括的な状況理解が可能になります。例えば、モビリティデータは人々の接触パターンの変化を、症状調査や検索データは初期の感染兆候を、発熱データは実際の症状発現を把握するのに役立っています。
これらの新しいデータソースを活用することで、より早期の警告システムの構築や、より正確な予測モデルの開発が可能になっています。各データソースの特性を理解し、適切に組み合わせることで、公衆衛生上の意思決定をより効果的にサポートすることができます。
2.3. データ品質の問題（データ改訂の事例分析）
リアルタイムでの疫病対応において、私たちは慎重に管理された環境では見られないようなデータ品質の問題に直面しています。特に深刻な問題の一つが、データ改訂の影響です。具体的な事例を用いて説明させていただきます。
2024年1月1日にCDCが報告したCOVID-19入院率のデータを見てみましょう。当初の報告（緑色の線）に基づいて、私たちは予測モデルを構築し、将来予測（青色の線）を行いました。しかし、2週間後にデータは大幅に改訂され、その後もさらに2週間ごとに改訂が続きました。結果として、1月1日時点で行った予測は、実際のデータとは大きく異なる結果となってしまいました。
この問題の深刻さを理解するため、私たちは改訂のダイナミクスを詳細に分析しました。赤い四角で示された部分を「改訂シーケンス」として変換し、初期状態と最終状態の誤差（改訂エラー）、および安定化までに要する週数を計算しました。
公開されているデータソースから30,000以上の改訂シーケンスを分析した結果、以下の重要な発見がありました：
- 半数以上のシグナルで30%を超える改訂エラーが発生していました
- データが安定するまでに平均して4週間を要することが判明しました
- 改訂のダイナミクスは多様で、単純な補正では対応できないことが分かりました
このような大規模な改訂は、リアルタイムでの予測を著しく困難にします。なぜなら、モデルの入力データ自体が不安定で、時間とともに大きく変化するからです。この課題に対処するためには、より洗練された学習アプローチが必要です。私たちは、この問題に対して、改訂パターンを学習し、予測モデルに組み込む手法を開発しています。
3. 研究アプローチ
3.1. データ中心ソリューションの開発ビジョン
私の研究では、データ中心のソリューションを開発することで、公衆衛生における意思決定をより効果的にサポートすることを目指しています。具体的なビジョンは、予測モデリングを通じてデータと意思決定を効果的に接続することです。このアプローチにより、データドリブンなAIの柔軟性を疫学の分野に導入し、疫病の監視と予測の精度向上を実現することができます。
私の研究の主要な方針は、AIのデータ駆動型の柔軟性を疫学分野に導入することで、疫病の監視と予測の精度を向上させることです。このアプローチの中核となる考えは、予測モデリングを通じてデータセットと意思決定を結びつけることです。
この研究の基本的な前提は、AIのデータドリブンな特性を疫学に導入することで、疫病の監視と予測の精度が向上するという考えです。私たちの論文では、この方針に基づいて開発された手法が従来の手法と比較して、より高い精度と拡張された機能を実現できることを示しています。
このビジョンを実現するために、私たちは予測モデリングを中心としたフレームワークを開発しています。このフレームワークは、様々なデータソースから得られる情報を効果的に統合し、それを意思決定者にとって有用な形で提供することを可能にします。データドリブンアプローチの利点は、新しい情報や状況の変化に柔軟に対応できること、そして複数のデータソースからの情報を統合的に活用できることにあります。
3.2. 深層順序モデルと科学的機械学習手法
私たちの研究では、深層順序モデルと科学的機械学習手法を組み合わせることで、より効果的な疫病予測システムの開発を目指しています。特に注目すべき点は、疫学分野で100年以上にわたって蓄積されてきた知識を活用し、それをAIモデルと統合する手法です。
具体的には、疫学における重要な機械的モデルを2つの主要なグループに分類して取り組んでいます。1つ目は常微分方程式（ODE）に基づくモデルで、代表的なものとしてSIRモデルがあります。このモデルは、人口をいくつかのコンパートメントに分け、それらの間の遷移を微分方程式で記述します。データと初期条件が与えられれば、この微分方程式を解くことで感染の広がりを予測することができます。
2つ目のグループは、エージェントベースモデルです。このモデルでは、複数のエージェントが計算機上の世界で行動し、様々な接触ネットワークを通じて相互作用する様子をシミュレーションします。これらの伝統的なモデルを機械学習と統合することで、より優れた予測能力を実現しています。
私たちの手法の革新的な点は、これらの機械的モデルを機械学習モデルと接続し、エンドツーエンドの学習を可能にしたことです。これにより、より正確な短期・長期予測、感染動向とのより良い相関、そしてWhat-if分析の実現が可能になりました。特に、データドリブンな分析を可能にしながら、疫学の専門知識も活用できる点が大きな特徴です。
このアプローチにより、単なる予測精度の向上だけでなく、疫学的な知見に基づいた解釈可能な結果を得ることができます。これは、公衆衛生の専門家が意思決定を行う上で極めて重要な要素となっています。
3.3. 3つの主要な技術的課題
私たちの研究ビジョンを実現するにあたって、主に3つの重要な技術的課題に直面しています。
第一の課題は、異種混合データの活用に関するものです。この分野では、コンピュータビジョンなどの応用分野と比較してデータが非常に限られています。例えば、インフルエンザや新型コロナウイルスへの対応では、数千のデータポイントしか利用できません。さらに、複数のデータソースが時として矛盾する情報を提供することがあります。例えば、ワクチン接種前のパンデミック初期では、人々の移動性の増加が感染活動の増加と明確に結びついていましたが、ワクチン導入後はこの関係がより複雑になり、単純な相関関係では説明できなくなりました。
第二の課題は、リアルタイム環境での運用に関する問題です。慎重に管理された実験環境では見られないようなデータ品質の問題に直面しています。データの改訂は特に深刻な問題で、初期データと最終データの間に大きな乖離が生じることがあります。私たちの分析では、データの安定化には平均して4週間を要することが判明しており、このような不確実性に対処する必要があります。
第三の課題は、疫学的知識とAIの統合です。疫学には100年以上にわたって蓄積された豊富な知識があり、これをAIモデルに効果的に組み込む必要があります。具体的には、常微分方程式（ODE）に基づくモデルやエージェントベースモデルといった伝統的な疫学モデルの知見を、機械学習モデルに統合する方法を開発しています。この統合により、より正確な短期・長期予測が可能になり、また感染動向との相関性も向上しています。
これらの課題に対して、私たちはデータ中心のソリューションを開発し、予測モデリングを通じてデータと意思決定を効果的に接続することを目指しています。特に、新しいデータソースの活用や、データ改訂の問題への対処、そして疫学的知見の統合に重点を置いて研究を進めています。
4. 主要な研究成果
4.1. DeepCOVIDフレームワークの開発
私たちの主要な研究成果の一つとして、DeepCOVIDと呼ばれる運用フレームワークの開発が挙げられます。このフレームワークは、データモジュール、予測モジュール、そして説明可能性モジュールという3つの主要なコンポーネントで構成されています。
データモジュールは、多様なデータソースからの情報を効率的に収集・統合する役割を担っています。特に、Safegraphのモビリティデータ、Facebookの症状調査データ、Googleの症状検索データ、Kinsaの発熱データなど、様々なデータソースからの情報を適切に処理し、予測に活用可能な形式に変換します。
予測モジュールでは、集約されたデータを用いて将来の感染動向を予測します。このモジュールは、深層学習モデルと疫学的知識を組み合わせた独自のアーキテクチャを採用しています。特に、常微分方程式（ODE）ベースの疫学モデルとエージェントベースモデルの知見を機械学習と統合することで、より正確な予測を実現しています。
説明可能性モジュールは、予測結果の解釈と検証を支援します。このモジュールにより、予測がなぜそのような結果になったのかを理解し、CDCに提出する前に適切性を確認することができます。これは、公衆衛生の意思決定者が予測結果を信頼し、効果的に活用するために極めて重要な機能です。
このフレームワークの特徴は、データの収集から予測、結果の解釈まで、エンドツーエンドのパイプラインとして実装されている点です。これにより、リアルタイムでの疫病監視と予測が可能となり、実際の公衆衛生施策の意思決定に活用されています。
4.2. CDCの予測ハブでの実績（トップ5モデル）
私たちの研究の実践的な有効性は、CDCの予測ハブでの実績によって実証されています。米国疾病予防管理センター（CDC）は、研究者たちに予測を提出するよう要請し、それらの予測を集約して活用する取り組みを行っています。この取り組みの中で、私たちのモデルは常にトップ5に入る高い性能を示してきました。
CDCのアプローチは、個々のモデルの「ブラックボックス」的な性質や完全な理解可能性よりも、実際の予測性能を重視しています。彼らは各モデルの性能を評価し、それらを組み合わせたアンサンブルを作成しています。このアプローチは実際に効果を上げており、複数の研究によって、このアンサンブル予測が個別のモデルよりも一般的に優れた性能を示すことが確認されています。
私たちのモデルが高く評価されている理由の一つは、データに対するより緊密なアプローチを提供していることです。従来の手法と比較して、データの特性をより深く理解し、それを予測に活用できる点が特徴です。この成功は、私たちのモデルの有効性を示す具体的な証拠となっています。
CDCの意思決定者たちは、すでにこのようなデータ駆動型のアプローチを受け入れており、実際の政策決定に活用しています。これは、理論的な可能性だけでなく、実践的な有用性も実証されていることを意味します。
4.3. データサイエンスコンペティションでの受賞
私たちの研究の実用性と革新性は、複数のデータサイエンスコンペティションでの成果によっても証明されています。具体的には、複数のデータサイエンスチャレンジにおいて第1位および第2位を獲得しました。これらの成果は、私たちの開発したモデルが理論的な優位性だけでなく、実践的な場面でも高い性能を発揮できることを示しています。
コンペティションでは、私たちのモデルの以下の特徴が高く評価されました：
- 異種混合データの効果的な統合能力
- リアルタイムでのデータ改訂への対応
- 疫学的知識との統合による予測精度の向上
- 予測結果の説明可能性
特に評価されたのは、私たちのアプローチが純粋な技術的革新だけでなく、実際の公衆衛生の文脈における実用性を重視している点です。競争的な環境での成功は、私たちの手法が他の最先端のアプローチと比較しても優位性を持っていることを客観的に示しています。
これらの受賞は、私たちの研究が学術的な価値だけでなく、実世界の課題に対する実践的なソリューションとしても認められていることを示す重要な指標となっています。また、これらの成果は、私たちのアプローチが異なる状況や要件に対しても柔軟に適用できることを実証しています。
5. 技術的イノベーション
5.1. 異種混合データの活用手法
私たちの研究では、公衆衛生における複数の異なるデータソースを効果的に統合し活用する手法を開発しました。この領域では、コンピュータビジョンなどの応用分野と比較してデータが非常に限られています。COVID-19への対応時も、インフルエンザの場合と同様に、利用可能なデータは比較的少量でした。
また、異なるデータソースが矛盾する情報を提供する場合もありました。たとえば、ワクチン接種前の段階では、人々の移動が増加すれば感染活動が増加することは明確でしたが、ワクチン接種後はこの関係性がより複雑になりました。
これらの課題に対処するため、私たちは以下の手法を開発しました：
1. 空間伝播の学習プロセスへの組み込み：
- 地理的な感染拡大のパターンを考慮したモデリング手法
- 地域間の相互作用を考慮した予測システム
2. マルチモーダルデータの統合：
- Safegraphのモビリティデータ
- Facebookの症状調査データ
- Googleの症状検索データ
- Kinsaの発熱データ といった異なる種類のデータを効果的に組み合わせる手法を実装
3. データの階層構造の活用：
- 地域レベル、州レベル、国レベルなど、異なる粒度のデータを統合
- 各階層間の関係性を考慮したモデリング手法の開発
これらの技術を組み合わせることで、従来の公衆衛生データよりも高い感度、粒度、適時性を実現することができました。さらに、近年の公衆衛生への関心の高まりにより、より多くのデータが利用可能になってきていることから、これらの手法の有用性は今後さらに高まると考えています。
このアプローチにより、CDCの予測ハブにおいてトップ5のモデルの一つとして評価されるなど、実践的な成果を上げることができました。特に、複数のデータソースを組み合わせることで、単一のデータソースでは得られない洞察を得ることが可能になり、より正確な予測と意思決定支援を実現することができました。
5.2. リアルタイム環境での課題解決
リアルタイム環境における主要な課題の一つは、データ品質の問題です。特に、慎重に管理された実験環境とは異なり、実際の運用環境では予期せぬデータの問題が発生します。私たちの研究では、特にデータ改訂の問題に焦点を当てました。
具体的な事例として、2024年1月1日にCDCが報告したCOVID-19入院率のデータを分析しました。当初の報告（緑色のライン）に基づいて予測（青色のライン）を行いましたが、2週間後にデータが大幅に改訂されました。これは、後から到着した記録が追加されたためです。その後も2週間ごとに改訂が続き、最終的に1月1日時点での予測は、データ改訂の影響により完全に誤った方向に導かれていたことが判明しました。
この問題に対処するため、私たちは改訂ダイナミクスの分析を行いました。具体的には：
1. 改訂シーケンスの分析：
- データの初期状態と最終状態の間の誤差を「改訂エラー」として定量化
- データが安定化するまでに要する週数を測定
2. 大規模なデータ分析：
- 公開データソースから30,000件の改訂シーケンスを分析
- 信号の半数以上で30%を超える改訂エラーが存在することを発見
- 平均して4週間の安定化期間が必要であることを確認
3. 複雑な改訂動態への対応：
- 単純な修正では不十分であることを認識
- 改訂動態の多様性に対応するため、より洗練された学習アプローチを開発
これらの知見を基に、リアルタイムデータの不確実性を考慮した予測モデルを開発しました。このモデルは、データ改訂のパターンを学習し、将来の改訂を予測することで、より安定した予測を可能にしています。この手法により、初期データの不確実性が高い状況でも、より信頼性の高い予測を提供することが可能となりました。
このアプローチは、CDCの予測ハブでの評価でも高い評価を受け、実際の公衆衛生の意思決定支援に貢献しています。システムの安定性を確保しながら、リアルタイムでの予測精度を向上させることができました。
5.3. 疫学的知識とAIの統合
疫学分野には、100年以上にわたって蓄積されてきた豊富な知識基盤があります。私たちの研究では、この既存の疫学的知識をAIシステムに効果的に統合することで、予測の精度向上と定性的な問題への対応を目指しました。
私たちが開発した主要なアプローチの一つは、ODEベースの機械学習手法です。疫学では、SIRモデルに代表される常微分方程式（ODE）ベースのメカニスティックモデルが広く使われています。このモデルは、人口を異なるコンパートメント（感受性者、感染者、回復者など）に分類し、各コンパートメント間の遷移を微分方程式で記述します。私たちは、このODEの動態を直接ニューラルネットワークに組み込む手法を開発しました。これにより、より長期の予測精度の向上と疫学的トレンドとの相関性の改善が実現できました。
もう一つの重要なアプローチは、エージェントベースモデル（ABM）の活用です。ABMは、複数の接触ネットワーク上で相互作用する個々のエージェントの集合をシミュレートするモデルです。私たちは、ABMを微分可能な形式に再定式化し、ニューラルネットワークとの接続を実現し、逆伝播による学習を可能にすることで、エージェントベースモデルとニューラルネットワークを統合しました。
この技術革新により、より正確な短期・長期予測、より優れた流行トレンドの相関性、What-if分析の実現、データ駆動型の体系的分析が可能となりました。特に重要なのは、この統合アプローチが実践的な成果をもたらしたことです。CDCの予測ハブでトップ5に入るモデルの性能を達成し、複数のデータサイエンスチャレンジで1位と2位を獲得することができました。この成功は、伝統的な疫学的知識とAIの革新的な統合が、実世界の公衆衛生上の課題に対して効果的なソリューションを提供できることを示しています。
6. コミュニティへの貢献
6.1. サーベイ論文（Nature Machine Intelligence採択）
私たちのこれまでの研究成果と知見を体系化し、分野全体の発展に貢献するため、包括的なサーベイ論文を執筆しました。この論文は42ページにわたる広範なレビューとなり、Nature Machine Intelligenceに採択されました。本論文は、間もなく公開される予定です。
このサーベイ論文では、コンピューティングとデータサイエンスの観点から、以下の主要なトピックについて包括的なレビューを行いました：
1. リアルタイム予測モデルの実装に関する課題：
- 特殊なデータ品質の問題
- 時系列予測における新たな課題
- 新興シナリオでの予測（例：COVID-19がインフルエンザ予測活動に与えた影響）
2. 技術的イノベーション：
- 不確実性の定量化手法
- マルチビュー予測の方法論
- 予測における公平性の考慮
3. 科学的機械学習の進展：
- 物理情報に基づくネットワークの新しいクラスの提案
- エージェントベースモデルの微分可能設計
- 実装上の考慮事項と解決策
この論文は、単なる研究のレビューにとどまらず、将来の研究方向性について重要な示唆を提供しています。特に、不確実性定量化、プライバシー保護機械学習、社会科学との統合など、今後重要となる研究課題を明確に提示しています。
この論文の採択は、私たちの研究アプローチの有効性と重要性が学術コミュニティに認められたことを示すものであり、今後の研究開発の基礎となる重要な貢献となりました。
6.2. チュートリアルと教育活動
私たちは研究成果を広く共有し、コミュニティの発展に貢献するため、KDDを含む複数の場でチュートリアルを実施してきました。具体的には、私は8つの会議チュートリアルを提供し、その中にはKDDでのチュートリアルやTriaAIでの講義が含まれています。
これらのチュートリアルでは、私たちの研究の主要な側面を実践的な形で紹介しました。具体的には以下の内容を扱いました：
- 疫学予測の基本概念
- 異種混合データの処理方法
- リアルタイムデータの品質管理
- メカニスティックモデルとAIの統合手法
- 予測モデルの実装と評価方法
特に重点を置いたのは、理論的な説明だけでなく、実際の応用事例を通じた学習です。CDCの予測ハブでの経験や、データサイエンスチャレンジでの成功事例を具体的に共有することで、参加者が実践的なスキルを身につけられるよう工夫しました。
これらの教育活動は、単なる技術の伝達にとどまらず、公衆衛生とAIの融合領域における次世代の研究者や実務者の育成を目指しています。私たちの経験と知見を共有することで、この重要な分野の発展に貢献できると考えています。
6.3. データサイエンスコミュニティの構築
私たちは2022年以降、疫学のためのデータサイエンスに特化したワークショップを主催し、継続的に運営してきました。このワークショップは、昨日まで開催されていた最新のセッションを含め、コミュニティの形成と知識共有において重要な役割を果たしています。
これらのワークショップを通じて、私たちは以下のような領域における研究者や実務者のコミュニティを構築してきました：
- 不確実性定量化と確率論的機械学習
- プライバシー保護機械学習（特により局所的で粒度の細かいデータを扱う場合）
- HCIとNLP、テキストマイニング
- 因果推論
- 計算社会科学
- 高性能コンピューティング
このコミュニティ構築の取り組みは、単なる技術的な知識共有の場を超えて、公衆衛生分野における機械学習の応用に関心を持つ研究者や実務者の協力関係を促進することを目指しています。ワークショップを通じて、参加者は最新の研究成果を共有し、実践的な課題について議論し、新たな協力関係を構築する機会を得ています。
この分野での研究に興味を持つ方々との協力の機会を常に歓迎しており、近い将来にはPh.D.学生の受け入れも予定しています。このように、コミュニティを通じた知識と経験の共有は、この重要な研究分野の更なる発展に貢献すると考えています。
7. 将来の研究方向性
7.1. 不確実性定量化の課題
この分野の今後の発展において、不確実性の定量化は最も重要な課題の一つです。公衆衛生における予測の不確実性を適切に評価し、それを意思決定に活かすことは、効果的な対応策の立案に不可欠です。
私たちの研究では、不確実性定量化に関する以下の課題に取り組んでいます：
- 予測モデルにおける不確実性の評価方法の確立。特に、異なるデータソースからの情報を統合する際に生じる不確実性の定量化が重要です。例えば、Safegraphのモビリティデータ、Facebookの症状調査、Googleの検索データなど、異なる特性を持つデータソース間での不確実性の伝播を理解し、モデル化する必要があります。
- 信頼区間の設定における時間的変動の考慮。特に、データ改訂が頻繁に行われる環境下では、予測の信頼区間自体が時間とともに変化する可能性があります。私たちの研究で明らかになったように、データの30%以上が改訂され、安定化までに平均4週間を要する状況では、信頼区間の動的な調整が必要です。
- 長期的な予測における不確実性の蓄積効果の評価。ODEベースの機械学習手法やエージェントベースモデルを使用する際、時間の経過とともに不確実性がどのように蓄積されていくかを理解し、それを予測モデルに組み込む必要があります。
これらの課題に対する解決策の開発は、公衆衛生における意思決定の信頼性向上に直接的に貢献すると考えています。特に、CDCや各地域の保健機関が行うリソース配分や介入策の決定において、より精度の高い不確実性評価は重要な役割を果たすことになるでしょう。
7.2. プライバシー保護機械学習の必要性
この分野における重要な将来の研究課題の一つは、プライバシー保護機械学習の開発と実装です。特に、より局所的で粒度の細かいデータを扱う際に、このニーズは一層高まっています。
私たちの研究では、公衆衛生データの特性を考慮した、以下のようなプライバシー保護の課題に取り組んでいます：
- 個人レベルのヘルスケアデータ保護： 個人の症状データ、行動データ、位置情報などのセンシティブな情報を扱う際の、プライバシー保護機構の開発が必要です。特に、Facebookの症状調査データやKinsaの発熱データなど、個人レベルの健康情報を含むデータソースを活用する際には、厳格なプライバシー保護が求められます。
- データの粒度と保護レベルの調整： より詳細な地理的範囲や、より小さな人口グループに対する予測を行う場合、個人の特定リスクが高まります。このトレードオフを適切に管理する技術の開発が必要です。
- データ共有と協力体制の構築： 異なる機関間でのデータ共有やモデルの協調学習を可能にしながら、プライバシーを保護する技術の開発が求められます。これは、WHO、CDC、各地域の保健機関間での効果的な協力を実現する上で重要です。
これらの課題に対する解決策の開発は、より効果的な公衆衛生対策の実現と、個人のプライバシー保護の両立を目指すものです。特に、個人レベルでのリスク評価や介入策の検討において、プライバシー保護は不可欠な要素となっています。
7.3. 社会科学との統合
将来の研究方向性において、計算社会科学との統合は特に重要な課題の一つです。私たちの研究では、疫学的なデータと社会科学的な要素を組み合わせることで、より包括的な予測モデルの開発を目指しています。
社会科学との統合において、特に重要なのは、人々の行動パターンの理解とモデル化です。たとえば、パンデミック時のマスク着用行動は単なる疾病伝播の問題ではなく、社会的な相互作用の問題でもあります。これは、単に病気の拡散を予測するだけでなく、人々の行動様式や社会的な要因を考慮に入れる必要があることを示しています。
私たちの研究アプローチでは、以下の要素を重点的に統合していきます：
- 人間の行動モデル： モビリティデータやソーシャルメディアのデータを活用して、人々の実際の行動パターンを理解し、それを予測モデルに組み込むアプローチの開発。
- 社会的相互作用の影響： エージェントベースモデルを拡張し、より現実的な社会的相互作用を表現できるようにすることで、より正確な予測の実現を目指します。
- 学際的な研究アプローチ： HCI、NLP、テキストマイニング、因果推論などの手法を統合し、より包括的な分析フレームワークの構築を進めています。
このような社会科学との統合は、より効果的な公衆衛生政策の立案に貢献するだけでなく、個人レベルでのより良い意思決定支援にもつながると考えています。さらに、この統合的なアプローチは、将来の感染症対策における準備や対応システムの改善にも重要な役割を果たすことが期待されます。
8. 実用的なインパクト
8.1. CDCでの採用事例
私たちの研究の実践的な影響力は、特にCDCの予測ハブにおける採用と評価において顕著に表れています。私たちのモデルは、CDCの予測ハブにおいてトップ5に入るパフォーマンスを達成しました。このような高い評価を得られた主な要因は、以下の点にあります：
実装面では、私たちが開発したDeepCOVIDフレームワークを用いて、データモジュール、予測モジュール、説明可能性モジュールを統合的に実装しました。これにより、CDCが必要とする予測の精度と解釈可能性の両方を実現することができました。
特に効果的だったのは、データ改訂の問題に対する私たちのアプローチです。CDCのデータが頻繁に改訂される環境下で、私たちのモデルは改訂動態を学習し、より安定した予測を提供することができました。これは、初期データの30%以上が改訂され、安定化までに平均4週間を要する状況下でも、信頼性の高い予測を可能にしました。
CDCからのフィードバックとして、特に評価された点は：
- 異なるデータソース（Safegraph、Facebook、Google、Kinsa）の効果的な統合
- リアルタイムでの予測精度の高さ
- 予測結果の解釈可能性 でした。
一方で、改善が求められている点として、よりローカルな予測の精度向上や、より長期の予測の信頼性向上が挙げられています。これらの課題に対しては、現在も継続的な改善を進めています。
8.2. 公衆衛生専門家からの反応
私たちの研究は、公衆衛生の専門家から非常に前向きな評価を受けています。特に、機械学習手法とメカニスティックモデルを組み合わせたアプローチに対して、大きな関心が寄せられています。
公衆衛生の専門家との対話を通じて、彼らは特に以下の点について高い評価を示しています：
- メカニスティックモデルとAIの統合アプローチ： 専門家たちは、私たちが開発した手法、特にODEベースの機械学習手法とエージェントベースモデルの組み合わせに大きな興味を示しています。従来の疫学的知識とデータ駆動型アプローチの統合は、より効果的な予測を可能にすると評価されています。
- 実用性と実装の容易さ： 私たちのDeepCOVIDフレームワークは、実際の公衆衛生の現場で使用できる実用的なツールとして高く評価されています。データモジュール、予測モジュール、説明可能性モジュールの統合的な設計は、実務者のニーズに適切に対応していると認識されています。
一方で、いくつかの改善要望も頂いています。特に、より局所的なデータの活用や、より長期的な予測の精度向上について、さらなる改善の期待が寄せられています。また、予測結果の解釈可能性をさらに高めることも求められており、これらの課題に対して継続的な改善を進めています。
現在、多くの公衆衛生専門家がこの研究に強い関心を示しており、さらなる協力関係の構築を進めています。このような専門家との対話と協力は、私たちの研究をより実践的で有用なものにしていく上で重要な役割を果たしています。
8.3. モデルの説明可能性と信頼性
私たちのDeepCOVIDフレームワークでは、説明可能性と信頼性を重要な設計目標として組み込んでいます。これは、公衆衛生における意思決定の重要性を考慮したものです。
予測結果の解釈において、私たちは特に以下の要素を重視しています：
- データと予測の視覚化： 私たちのモデルは、現状分析と将来予測を明確に示すビジュアライゼーションを提供します。例えば、感染症の時系列データを地図上に表示し、各地域での感染状況や予測される傾向を直感的に理解できるようにしています。
- メカニスティックモデルとの統合： ODEベースの機械学習手法とエージェントベースモデルを組み合わせることで、予測結果の背後にある疫学的メカニズムを理解しやすくしています。これにより、単なる予測値の提示だけでなく、なぜそのような予測になるのかの説明が可能になっています。
- 信頼性の検証： CDCの予測ハブでの継続的な評価を通じて、モデルの信頼性を実証しています。また、データ改訂の影響を考慮した予測の安定性評価も行っています。
これらの特徴により、私たちのモデルは以下のような意思決定支援に活用されています：
- リソース配分の最適化（病床数の調整など）
- 介入タイミングの決定（公衆衛生対策の実施時期）
- リスク評価（地域ごとの感染リスク予測）
特に重要なのは、これらの予測と説明が、公衆衛生の専門家にとって理解しやすく、実際の意思決定に直接活用できる形で提供されていることです。これにより、データ駆動型の意思決定を効果的に支援することができています。