KI und die schwierigen Probleme der Welt · Medizin & Wirkstoffforschung · arXiv · 2026-10-22
Lernen epidemischer Schwellenwertgleichungen aus Simulationen: REEBLRA, ein interpretierbares bayessches Klassifikationsframework für Reproduktionszahlen
Originaltitel: Learning Epidemic Threshold Equations from Simulation: REEBLRA, an Interpretable Bayesian Classification Framework for Reproduction Numbers
Analytische Ausdrücke für die Basisreproduktionszahl $R_0$ lassen sich für hochdimensionale, nichtlineare oder strukturell komplexe Epidemiemodelle nur schwer herleiten. REEBLRA nutzt bayesianische logistische Regression, um aus Parameter-Antwort-Daten explizite Surrogat-Schwellengleichungen zu lernen, und liefert damit eine binäre Gleichung zur Klassifikation einer epidemischen Invasion ($R_0>1$) sowie geordnete Schwellengleichungen, die $R_0$ eingrenzen. Über sieben ODE-Modell-Benchmarks hinweg, darunter ein SIR-System mit 15 Kompartimenten und fünf Gruppen, lag die fünffache binäre AUC bei 0.999-1.000 und die Genauigkeit der geordneten Eingrenzung bei 0.951-0.998.