基于级联感知传播抑制的 HIV 预防网络干预
物理与社会
2026-05-21 v1 人工智能
社会与信息网络
摘要
治疗和预防人类免疫缺陷病毒 (HIV) 仍然是一项严峻的全球健康挑战。虽然抗逆转录病毒疗法提供了一条实现病毒抑制——从而有效消除个体传播风险——的途径，但系统性的资源限制制约了干预工作的覆盖范围。本研究致力于解决在病毒未抑制个体中战略性分配密集资源的问题，以最小化传播网络内预期的级联新感染。我们将这一挑战形式化为一个新颖的约束优化问题，其中我们有资源来“治疗”一组病毒未抑制个体 中的 个，并建立了其与现有计算文献的理论联系。随后，我们提出了传播级联感知抑制 (CAST) 算法，这是一种多项式时间的 -近似算法，通过利用与最小--并集 (MkU) 问题的联系以及 Hoeffding 式集中界，实现了 的近似比。在真实世界 HIV 网络上的广泛评估表明，CAST 优于标准的公共卫生和计算机科学基线方法。此外，我们证明 CAST 在不同的传染病网络、不同的边概率初始化以及涉及不完美网络数据的设置下，均具有经验鲁棒性。
引用
@article{arxiv.2605.20218,
title = {Network-Based Interventions for HIV Prevention via Cascade-Aware Suppression of Transmission},
author = {Akseli Kangaslahti and Davin Choo and Milind Tambe and Alastair van Heerden and Cheryl Johnson},
journal= {arXiv preprint arXiv:2605.20218},
year = {2026}
}