深層学習と移動ネットワークを用いたブラジルにおけるデング熱持ち込みリスクの予測

なぜデング熱の移動を追うことが重要か

デング熱は世界中に拡大しており、ブラジルは特に被害の大きい国の一つです。しかしデング熱は蚊だけで移動するわけではなく、人が都市間を移動する過程で感染が運ばれます。本研究は単純だが重要な問いを投げかけます：感染した旅行者が次にどの都市にデング熱を持ち込む可能性が高いかを、週ごとにブラジル全土で予測できるか？その答えは、単に地域の患者数を見るだけでなく、人の移動が地図上のリスクをどう変えるかを監視することで、流行が拡大する前に公衆衛生当局が手を打つのに役立ち得ます。

動くリスクを可視化する新しい方法

著者らは二段階で機能する予測フレームワークを構築しています。まず、過去14年分の週ごとの報告症例と局所的な気候条件から学ぶ深層学習モデルを用いて、ブラジルの5,570自治体それぞれが近い将来どれだけのデング症例を観測するかを予測します。次に、これらの予測を陸路・河路・航空で都市間をどのように人が移動するかを示す詳細なネットワークに投入します。「ここでどれだけの感染が起こりそうか」と「この場所が他とどれほど強く結びついているか」を組み合わせることで、各都市が外部からどれだけのデング圧力を受けるかを推定し、2024年を通じて動的な持ち込みリスク地図を作成します。

広大な国における季節的波の可視化

研究者らがブラジルの27州を時間軸で見ると、強い季節波が観察されます：通常、デング活動は2月から5月にかけて急増しますが、その時期と強度は地域や年によって大きく異なります。2024年の予測は全国的に特に大きな急増を示しており、特に南東部や北部の一部で負荷が重くなることが示唆されています。こうしたパターンは重要です。というのも、シーズンの早い段階で症例が増える地域は強力な「源」となり、感染した旅行者を輸送路に沿ってまだピークに達していない地域へ送り出す可能性があるからです。このフレームワークは各州を孤立した島として扱うのではなく、そうした「上流」「下流」の関係を可視化します。

感染の目に見えない幹線を描く

移動ネットワークを用いることで、本研究はデングリスクが都市間を流れる複雑な経路を浮かび上がらせます。持ち込み圧力は晩夏から秋にかけて急速に増大し、その後減退しますが、一般的な季節性を反映しつつ空間的なひねりが加わります：いくつかの都市は交差点のような役割を果たします。サンパウロ、リオデジャネイロ、ゴイアス、連邦直轄区（ブラジリア）などの大都市圏や交通ハブは継続的に高い流入圧力を示します。これらのハブの一部は外向きにも大きなリスクを送り出し、双方向の太い回廊を形成する一方、アマゾンの一部や極南部のより遠隔の町は比較的孤立したままであることが明らかになります。

供給源、吸収地、および隠れた依存関係

ある都市がどれだけリスクを輸出しているかとどれだけ輸入しているかを比較することで、著者らは全国的な拡大を牽引する「供給源」都市と、主に外部から感染を受ける「吸収地」都市を特定します。自治体の約3分の2は吸収地として振る舞い、ごく一部の強く結びついた都市圏が強い供給源として働きます。州レベルでは、サンパウロやミナスジェライスのように大部分が自己完結的で、輸入圧力の多くが州内から来ている場所もあります。他方で、連邦直轄区や一部の北部州のように限定された外部の供給源に大きく依存する地域もあります。この供給源–吸収地の構図は、どこで上流側の対策を講じれば最も効果的に下流の流行を減らせるかを示しています。

予測を行動につなげる

公衆衛生当局にとっての重要なメッセージは、局所的な症例数だけを見ていては話の重要な部分を見落とすという点です。現在の発生率が低くても、高負荷地域からの強い流入接続を持つ都市は、気候や蚊の個体数が好ましければ将来の流行の瀬戸際に立っているかもしれません。本フレームワークは蚊の生態や人間行動のすべての詳細をモデル化しようとはせず、代わりに二つのリスク要素を明確に切り分けます：外部からの流入感染による圧力と、それらの感染が流行を引き起こすかどうかを決める局所条件です。これらの持ち込みマップをほぼリアルタイムで更新することで、監視の優先順位付け、州間の対応調整、そして原理的には人の移動に便乗する他の疾患へ同様のツールを拡張する実用的な方法を提供します。

引用: Chen, X., Moraga, P. Forecasting of dengue importation risk in Brazil using deep learning and mobility networks. npj Digit. Public Health 1, 11 (2026). https://doi.org/10.1038/s44482-026-00015-9

キーワード: デング熱予測, 人の移動, ブラジル公衆衛生, 深層学習, 疾病持ち込みリスク