AI 與世界的難題 · 醫學與藥物探索 · arXiv · 2026-10-22
從模擬學習流行病門檻方程式:REEBLRA,一個用於傳染數的可解釋貝氏分類框架
原標題: Learning Epidemic Threshold Equations from Simulation: REEBLRA, an Interpretable Bayesian Classification Framework for Reproduction Numbers
對於高維度、非線性或結構複雜的流行病模型而言，基本再生數 $R_0$ 的解析式很難推導。REEBLRA 利用貝葉斯邏輯迴歸，從參數-反應資料中學習顯式的代理閾值方程式，提供用以分類疫情入侵 ($R_0>1$) 的二元方程式，以及可夾逼 $R_0$ 的有序閾值方程式。在七項 ODE 模型基準測試中，包括一個含 15 個倉室、五個群組的 SIR 系統，五折二元 AUC 為 0.999-1.000，有序夾逼準確率為 0.951-0.998。