基于机器学习的SARS-CoV-2传播和临床风险预测方法

作     者：冉黎琼 徐康镭 陈金勇 高林 谢添丞 于泳 李江敏 彭钰寒 韩楠 乔少杰 RAN Liqiong;XU Kanglei;CHEN Jinyong;GAO Lin;XIE Tiancheng;YU Yong;LI Jiangmin;PENG Yuhan;HAN Nan;QIAO Shaojie

作者机构：成都信息工程大学软件工程学院四川成都610225 中国电子科技集团公司第五十四研究所河北石家庄050081 成都信息工程大学管理学院四川成都610225 

出 版 物：《无线电通信技术》 (Radio Communications Technology)

年 卷 期：2023年第49卷第4期

页      面：647-658页

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62272066,61962006) 四川省科技计划(2021JDJQ0021,2022YFG0186,2022NSFSC0511,2023YFG0027,2022YFG0325,2021YFG0029) 教育部人文社会科学研究规划基金(22YJAZH088) 宜宾市引进高层次人才项目(2022YG02) 成都市“揭榜挂帅”科技项目(2022-JB00-00002-GX,2021-JB00-00025-GX) 成都市重大科技创新项目(2021-YF08-00156-GX) 中国电子科技集团公司第五十四研究所高校合作课题(SKX212010057) 四川省教育厅人文社科重点研究基地四川网络文化研究中心资助科研项目(WLWH22-1) 成都信息工程大学科技创新能力提升计划(KYTD202222) 成都海关科研项目(2022CK008) 

主　　题：机器学习 COVID-19 LSTM 浅层学习 深度学习 

摘      要：综合征监测作为公共医疗卫生政策的主要检测指标,拥有充足且及时的监测信息至关重要。传统流行病学指标监测的滞后和误导会影响病情严重地区的医疗实施方案。使用谷歌趋势搜索量、谷歌移动、电信运营商、英国国家医疗服务体系(National Health Service,NHS)电话119和线上新冠检测请求网站的空间数据,提出一种局部范围内SARS-CoV-2传播和临床风险的早期指标建模方法。利用浅层学习算法作为基准方法训练局部空间神经网络,提出空间集成长短期记忆(Spatio-Integrated Long Short-Term Memory,SI-LSTM)算法和空间集成卷积神经网络长短期记忆(Spatio-Integrated Convolutional Neural Network Long Short-Term Memory,SI-CNN-LSTM)算法。在规定的评估时间周期内,两种算法均能准确识别出疫情感染高风险区域。此外,在基本公共卫生服务项目中,该模型还原了2020年底阿尔法变体、2021年4月德尔塔变体和2021年11月奥密克戎变体在英国境内的局部增长指数,其空间分散性和增长指数得到了临床数据的证实。