SIMLR : apprentissage automatique à l'intérieur du modèle SIR pour la prévision de COVID-19

Résumé :

Des prévisions précises du nombre de personnes nouvellement infectées pendant une épidémie sont essentielles pour prendre des décisions efficaces en temps voulu. Cet article relève ce défi en utilisant le modèle SIMLR, qui intègre l'apprentissage automatique (ML) dans le modèle épidémiologique SIR. Pour chaque région, SIMLR suit les changements dans les politiques mises en œuvre au niveau gouvernemental, qu'il utilise pour estimer les paramètres variables dans le temps d'un modèle SIR pour prévoir le nombre de nouvelles infections une à quatre semaines à l'avance. Il prévoit également la probabilité de changements dans ces politiques gouvernementales à chacun de ces moments futurs, ce qui est essentiel pour les prévisions à plus long terme. Nous avons appliqué SIMLR à des données provenant du Canada et des États-Unis et montré que son pourcentage d'erreur moyen est aussi bon que celui des modèles de prévision de pointe, avec l'avantage supplémentaire d'être un modèle interprétable. Nous pensons que cette approche sera utile non seulement pour prévoir les infections au COVID-19, mais aussi pour prévoir l'évolution d'autres maladies infectieuses.