面向全球卫生决策的基于模拟推断
机器学习
2021-02-24 v1 应用统计
机器学习
摘要
COVID-19 大流行凸显了在计算机中进行的流行病学建模在预测传染病动态以告知卫生政策及决策者合适预防与遏制策略方面的重要性。该领域的工作涉及在复杂度不断增加的基于个体的模型中求解极具挑战的推断与控制问题。在此我们讨论机器学习尤其是基于模拟推断（simulation-based inference）中的近期突破，并探索其作为一种新颖的模型校准途径以支持公共卫生干预措施设计与评估的潜力。为进一步促进研究，我们正在开发软件接口，将 COVID-19 与疟疾流行病学的两大基石模型 COVID-sim（https://github.com/mrc-ide/covid-sim/）和 OpenMalaria（https://github.com/SwissTPH/openmalaria）转变为概率程序，从而在这些模拟器内实现高效的、可解释的贝叶斯推断。
引用
@article{arxiv.2005.07062,
title = {Simulation-Based Inference for Global Health Decisions},
author = {Christian Schroeder de Witt and Bradley Gram-Hansen and Nantas Nardelli and Andrew Gambardella and Rob Zinkov and Puneet Dokania and N. Siddharth and Ana Belen Espinosa-Gonzalez and Ara Darzi and Philip Torr and Atılım Güneş Baydin},
journal= {arXiv preprint arXiv:2005.07062},
year = {2021}
}