IA e os Problemas Difíceis do Mundo · Medicina e descoberta de medicamentos · arXiv · 2026-10-22
Aprendendo equações de limiar epidêmico a partir de simulações: REEBLRA, uma estrutura interpretável de classificação bayesiana para números de reprodução
Título original: Learning Epidemic Threshold Equations from Simulation: REEBLRA, an Interpretable Bayesian Classification Framework for Reproduction Numbers
Expressões analíticas para o número básico de reprodução $R_0$ são difíceis de derivar para modelos epidêmicos de alta dimensão, não lineares ou estruturalmente complexos. A REEBLRA usa regressão logística bayesiana para aprender equações limiares substitutas explícitas a partir de dados de parâmetro-resposta, fornecendo uma equação binária para classificar a invasão epidêmica ($R_0>1$) e equações limiares ordenadas que delimitam $R_0$. Em sete benchmarks de modelos de EDOs, incluindo um sistema SIR de 15 compartimentos e cinco grupos, a AUC binária five-fold foi de 0.999-1.000 e a precisão da delimitação ordenada foi de 0.951-0.998.