面向时空呼吸道疾病 outbreak 的多模态自适应估计
机器学习
2025-09-22 v3 种群与进化
定量方法
摘要
及时且稳健的流感病毒发病率预测是公共卫生决策的关键。本文提出 MAESTRO（Multi-modal Adaptive Estimation for Temporal Respiratory Disease Outbreak），一个新型统一框架，集成了高级时谱建模与多模态数据融合技术，包括监测数据、网页搜索趋势和气象数据。通过自适应加权异构数据源并分解复杂时序模式，模型实现稳健且精确的预测。在排除新冠疫情期间的 11 年香港流感数据上评估，MAESTRO 展示出领先的性能，实现 R 平方为 0.956 的优异模型拟合。广泛的消融实验确认其多模态和时谱组成分的重要贡献。该模块化可复现的管道已公开，旨在便于在其他地区和病毒株上的部署和扩展，为流行病学预测提供了强大工具。
引用
@article{arxiv.2509.08578,
title = {Multi-modal Adaptive Estimation for Temporal Respiratory Disease Outbreak},
author = {Hong Liu and Kerui Cen and Yanxing Chen and Zige Liu and Dong Chen and Zifeng Yang and Chitin Hon},
journal= {arXiv preprint arXiv:2509.08578},
year = {2025}
}