デング熱予測のための交通予測用時空間グラフ畳み込みネットワークの革新的応用

日常生活に関わるデング予測の重要性

デング熱は、気候の温暖化、都市の拡大、世界的な移動により、これまでになく速いペースで拡大しています。蚊に刺されることで重篤な病気や入院、あるいは死亡につながる地域に暮らす人が世界で何百万といます。数週間先の発生を予測できれば、公衆衛生担当者は噴霧や地域への警告、病院の準備などに貴重な時間を得られます。本研究は、もともと渋滞予測のために開発された最先端の人工知能が、ラテンアメリカでのデング流行を予測するのに再利用できるかを検証します。

国をまたいで追うデングの軌跡

研究者らは、2014年から2022年の間にブラジル、メキシコ、コロンビアなどを含む中央・南米の9か国に焦点を当てました。過去のデング発生数や基本的な気象データだけでなく、29種類に及ぶ情報を統合しました。これには地域のデング報告、気温・降雨・湿度・日照などの週次気象条件、森林や農地の被覆といった環境情報、さらに収入水準、病院の容量、ワクチン接種率、電力の普及、年齢や都市別の人口分布など多様な社会経済指標が含まれます。これらの層を組み合わせることで、デングウイルスと媒介蚊が繁栄・拡散する条件をより実態に即した形で描き出すことを目指しました。

交通予測から借りた賢い手法

この豊富なデータを予測に変えるため、研究チームは時空間グラフ畳み込みネットワーク（STGCN）という深層学習手法を適用しました。平たく言えば、このモデルは時間的にどのように変化するか（「時間」の部分）と、異なる場所が互いにどのように影響し合うか（「空間」の部分）を同時にみます。各国をネットワーク上の「ノード」として扱い、隣接する国だけでなく、どの国同士がデングのパターンで関連しているかをコンピュータに学習させます。同時に週ごとのデング発生の推移も解析します。著者らは、この先進的アプローチを、従来からデング予測で有効とされる機械学習手法であるランダムフォレストと比較しました。

新モデルの流行予測能力

9か国全体で、STGCNモデルは特に短期予測（1〜4週間先）において効果的でした。多くのケースで流行の時期と規模を高い精度で捉え、決定係数（R²）がしばしば0.8以上、最大で0.98に達するなど、統計的な評価が非常に良好で誤差も比較的低い結果を示しました。大規模で比較的一貫したデータを持つブラジルで最も良い性能が出ましたが、ニカラグア、ホンジュラス、メキシコなどの国々でも恩恵が見られました。一方で、ボリビアやペルーの一部のようにデータが乏しいか不規則な地域では性能が低下し、ほとんどの手法と同様に予測期間を延ばすほど精度は落ちました。それでも、直接比較するとグラフベースのモデルは多くの国や短い予測窓においてランダムフォレストを上回りました。

社会経済的現実が重要な理由

最も注目すべき発見の一つは、社会経済情報を含めることの付加価値でした。これらの要因をモデルから除くと、特にホンジュラス、ペルー、コロンビア、メキシコなどで予測が雑音を帯び、信頼性が低下しました。収入や医療、インフラ、人口構造に関する指標を含めることで予測が安定し、実際の症例数との一致が改善しました。これは、デングのリスクが単に気候や蚊の問題ではなく、人々の生活様式、移動、サービスへのアクセスの仕方にも左右されることを示唆しています。研究はモデルが因果関係を立証するのではなくパターンを示すにとどまると注意を促しますが、生活環境の広範な条件が流行のダイナミクスに可視的な影響を残すことは明確です。

公衆衛生の意思決定にとっての意味

専門外の読者に向けた要点は、先進的なAIツールが既に気候や社会に関する豊富なデータを与えられれば、数週間先のデング流行に関して公衆衛生機関に有用な“注意喚起”を提供できるということです。交通予測モデルを適応した手法は堅牢で柔軟、かつ強力な従来手法よりも概して精度が高く、早期警報システムの有力な候補となります。データ品質のばらつき、大国における詳細情報の喪失、長期予測での精度低下といった課題は残りますが、このアプローチは疾病予測を定期的に更新し、地域の実情に合わせ調整し、ジカやチクングニアといった他の蚊媒介性脅威にも拡張できる将来像を示しています。その意味で、本研究は複雑なデータ流を予防に役立つ実行可能な時間に変えるための一歩です。

引用: Siabi, N., Son, R., Thomas, M. et al. Innovative application of a traffic-prediction spatio-temporal graph convolutional network for dengue disease forecasting. Sci Rep 16, 2594 (2026). https://doi.org/10.1038/s41598-026-36225-7

キーワード: デング予測, グラフニューラルネットワーク, 気候と健康, 社会経済的要因, 媒介性疾患