时空评估EpiDCA：基于禽流感、非洲猪瘟与西尼罗河病毒病的案例分析

《Spatial and Spatio-temporal Epidemiology》：Spatio-temporal evaluation of EpiDCA: Case studies on avian influenza, African swine fever, and West Nile virus disease

本研究针对基于事件的流行病学监测系统所面临的数据量大、假阳性率高及事件可解释性不足的难题，开发并评估了EpiDCA这一新型无监督模型。该模型通过整合流行病学元数据与环境数据，在三个不同疾病案例中实现了加权F值0.64-0.85的优良性能，验证了其在不同流行病学场景中的稳健性与泛化能力，为提升实时分类与监测效率提供了有力工具。

　　

在公共卫生与兽医健康领域，新发与再发疾病的风险与日俱增。为了应对这一挑战，各国普遍建立了由指标监测系统（IBS）和事件监测系统（EBS）组成的流行病学情报体系。其中，EBS系统通过监控网络新闻等非官方来源的非结构化数据，在疫情早期预警中扮演着关键角色。然而，当前EBS系统在实际运作中面临着多重困境：一方面，每日涌入的海量文章难以进行人工有效筛选；另一方面，基于机器学习的自动化分类模型虽然有所应用，但其“黑箱”特性导致决策过程缺乏可解释性，难以获得公共卫生官员的信任。更重要的是，这些模型往往依赖于大量标注数据进行训练，难以快速适应新发疾病、新的地理环境或新的语种，且对缺乏充足历史数据的新发疫情几乎无能为力。例如，关于西尼罗河病毒病，一篇报道可能在夏天出现时具有高度相关性，但在冬季提及则大概率是回顾性或科普内容。如何让机器像人类专家一样，结合时空背景与环境信息来判断事件的“危险”程度，成为提升监测系统效能的核心问题。

为了突破上述瓶颈，一个由Bahdja Boudoua、Mathieu Roche、Maguelonne Teisseire和Annelise Tran组成的研究团队，在前期工作中提出了一种名为EpiDCA（流行病学树突状细胞算法）的新型无监督模型。该模型灵感来源于免疫学中的危险理论和树突状细胞算法（DCA），通过模拟生物免疫系统对“危险信号”的响应机制，将流行病学元数据（如报告来源、疾病名称、宿主）视为“危险信号”，将环境适宜性数据作为“安全信号”，并结合事件的时空距离，对在线新闻中的事件进行“相关”与“不相关”的智能分类。其初步应用于亚洲禽流感监测时已显示出与监督学习基线方法相当的潜力。为了全面验证EpiDCA的鲁棒性与泛化能力，研究团队将其拓展应用于三个迥异的流行病学和地理学场景：法国的禽流感（AI）、欧洲的非洲猪瘟（ASF）以及欧洲的西尼罗河病毒病（WND）。这项研究发表在专注于流行病学空间分析的知名期刊《Spatial and Spatio-temporal Epidemiology》上。

为了完成这项评估，研究人员采用了多学科交叉的关键技术方法。第一，数据收集与标注：他们从名为PADI-Web的EBS系统中收集了关于上述三种疾病在特定疫情活跃期（例如，AI在法国：2022年8月至2023年1月）的在线新闻报道，构建了三个语料库（如DB_AI_France包含717篇文章，其中603篇相关）。每篇文章都经过了人工标注，包括事件相关性和流行病学元数据。第二，风险地图构建与环境数据整合：针对每种疾病，研究利用现有的统计模型或多准则决策分析方法，并结合最新环境数据，生成了疾病发生适宜性地图（例如，利用家禽生产和水禽栖息地变量更新了法国HPAI H5N8的发生概率图）。通过地理信息系统（QGIS）将事件的地理位置与环境风险值进行空间关联，生成“安全信号”。第三，EpiDCA模型参数化与适配：模型的核心是将DCA框架适配于流行病学监测。研究定义了三个关键部分：抗原为从文章中提取的流行病学事件；危险信号基于专家知识为不同元数据类别赋予不同分值（例如，对ASF，野猪比家猪获得更高的危险分值）；安全信号则来自环境适宜性地图的反向转换。模型还引入了时空参数，如树突状细胞的覆盖半径（R）和迁移时间窗（T_w），这些参数根据疾病的传播特性（如ASF通过野猪缓慢扩散，R设为10公里，T_w为40天）基于专家知识和文献确定，使得模型能够计算距离加权的时间累积信号（CSM_t+1= CSM_t+ (Δ_dist× CSM_incoming)）。第四，敏感性分析与性能评估：研究采用莫里斯单次单因子法，对模型参数进行敏感性分析，以识别对分类结果影响最大的关键参数。最终，使用精确度、召回率和F值等指标评估模型在区分相关与不相关事件上的整体表现。

研究结果通过一系列实验得到了系统的呈现：

5.1 分类性能：在三个案例研究中，EpiDCA均展现出有效区分相关与不相关事件的能力。在不考虑环境安全信号（Ss=0）的基线测试中，模型已能取得良好表现。引人注目的是，当整合环境数据（安全信号）后，所有数据集的加权F值均得到了提升，其中法国禽流感数据集的提升最为显著，从0.575提高到0.642。三个案例最终的加权F值分别为：法国禽流感0.642、欧洲非洲猪瘟0.843、欧洲西尼罗河病毒病0.848。这证明了环境上下文信息的加入能够有效提高分类精度。

4.4 空间粒度对分类性能的影响：研究考察了事件报告的地理粒度（国家、地区、城市）对模型性能的影响。结果表明，空间信息的精细度对模型表现至关重要，且最佳粒度因疾病而异。对于法国禽流感，在城市级别上，模型对相关类别的识别精确度最高（0.978），但总体性能在省一级别最佳。对于欧洲非洲猪瘟，最佳性能出现在城市级别。然而，对于欧洲西尼罗河病毒病，其F值随着空间粒度从国家细化到城市而急剧下降（从0.9降至0.6）。研究人员分析认为，这是因为WND相关文章常混合了特定地点疫情报告与广泛区域的防控信息，这种空间信息的不一致性给模型带来了挑战。这些发现强调了根据疾病特点和新闻报道模式，选择合适空间分析粒度的重要性。

4.5 敏感性分析：通过对危险信号各项参数（如来源、亚型/病名、宿主）进行莫里斯单次单因子分析，研究评估了各参数对模型输出影响的显著性与相互作用。分析结果显示，大多数参数对模型结果的影响微乎其微（μ<0.1）*，这表明EpiDCA模型对参数设置不敏感，具有较高的鲁棒性。这也意味着在实践中，可以基于专家知识设置一套相对稳定的核心参数，而无需针对每个新场景进行繁复的调优。

综上所述，本研究通过三个具有不同流行病学特征（传播模式、病原体、宿主、环境驱动因素）的案例，全面评估了EpiDCA模型。研究得出核心结论：EpiDCA是一个稳健且通用的无监督模型，能够有效整合流行病学元数据与时空环境信息，在不同疾病和地理背景下稳定地区分相关与不相关的监测事件，其性能与经典的监督学习方法相当。其重要意义体现在多个方面：方法学上，它将生物启发的免疫算法成功应用于公共卫生监测领域，提供了一种不依赖大规模标注数据、具有内在可解释性的新范式。实践应用上，模型能够实现实时分类，无需训练周期，特别适用于应对新发传染病或资源有限的监测场景。结果启发性上，研究证实了环境数据与更精细空间信息的结合能显著提升分类精度，并为如何根据疾病特性（如传播动力学）设定时空参数提供了指导。尽管在空间信息不一致的案例（如WND）中模型面临挑战，但这项研究为构建下一代更智能、更灵活、更可信的流行病学事件监测系统奠定了坚实的基础，展现了将生态学、地理信息学与人工智能算法融合以应对复杂公共卫生问题的巨大潜力。