L'IA face aux grands problèmes du monde · Médecine et découverte de médicaments · arXiv · 2026-10-22
Apprentissage des équations de seuil épidémique à partir de simulations : REEBLRA, un cadre de classification bayésienne interprétable pour les nombres de reproduction
Titre original: Learning Epidemic Threshold Equations from Simulation: REEBLRA, an Interpretable Bayesian Classification Framework for Reproduction Numbers
Les expressions analytiques du nombre de reproduction de base $R_0$ sont difficiles à établir pour les modèles épidémiologiques de grande dimension, non linéaires ou structurellement complexes. REEBLRA utilise la régression logistique bayésienne pour apprendre des équations de seuil de substitution explicites à partir de données paramètre-réponse, fournissant une équation binaire pour classer l'invasion épidémique ($R_0>1$) et des équations de seuil ordonnées qui encadrent $R_0$. Sur sept benchmarks de modèles EDO, dont un système SIR à 15 compartiments et cinq groupes, l'AUC binaire en validation croisée à cinq plis était de 0.999-1.000 et la précision d'encadrement ordonné était de 0.951-0.998.