ИИ и сложнейшие проблемы мира · Медицина и разработка лекарств · arXiv · 2026-10-22
Изучение уравнений эпидемического порога на основе симуляций: REEBLRA — интерпретируемый байесовский классификационный фреймворк для чисел репродукции
Оригинальное название: Learning Epidemic Threshold Equations from Simulation: REEBLRA, an Interpretable Bayesian Classification Framework for Reproduction Numbers
Аналитические выражения для базового числа репродукции $R_0$ трудно вывести для высокоразмерных, нелинейных или структурно сложных эпидемиологических моделей. REEBLRA использует байесовскую логистическую регрессию, чтобы обучать явные суррогатные пороговые уравнения по данным вида «параметры–отклик», предоставляя бинарное уравнение для классификации эпидемического вторжения ($R_0>1$) и упорядоченные пороговые уравнения, ограничивающие $R_0$ с двух сторон. На семи тестах для ODE-моделей, включая SIR-систему с 15 компартментами и пятью группами, бинарная AUC при пятикратной кросс-валидации составила 0.999-1.000, а точность упорядоченных интервалов — 0.951-0.998.