基于因果景观结构图先验的自然疫源性疾病风险时空预测

《Knowledge-Based Systems》：Spatiotemporal forecasting of natural focal disease risk with causal landscape-structured graph priors

　　

Xing Yuan|Min Meng|Li Wang|Binggan Wei|Hairong Li|Linsheng Yang

• •
  将自然疫源地疾病的预测问题转化为时空层面的异常数据泛化问题。
• •
  借助专家设计的景观图先验，构建用于鼠疫风险预测的生态连通性模型。
• •
  CL-GNN通过融入生态机制引导的不变性特征，提升鼠疫风险预测的空间泛化能力。

引言

随着传染病的再度流行，全球公共卫生领域面临着日益严峻的挑战。据估计，全球每年超过5000万的死亡病例中，约有四分之一是由传染病导致的；在已确认的1400多种人类病原体中，约61%为动物源性自然疫源地疾病[1]，这些疾病对公共卫生和全球经济构成了严重威胁[2][3]。气候变化、生态变化以及人类活动之间的相互作用，进一步加速了这类疾病的爆发和重新出现[4][5]。因此，开发能够整合多源数据、在复杂自然环境中运行的强大动物源性疾病风险预测模型，已成为当务之急。

现有的预测方法，从基于机制的模型[6]到数据驱动的学习方法[7][8]，为理解疾病传播动态奠定了坚实基础。然而，这些方法都有一个共同的缺陷：都隐含着数据稳定性不变的假设[9]。实际上，自然疫源地疾病的时空演化是一个复杂的动态过程，受到准静态的地理背景与动态环境因素之间非线性相互作用的制约。具体而言，地形、水文网络和栖息地结构等景观因素属于准静态的不变约束，它们构成了宿主生存的生态基底，从而决定了自然疫源地的空间范围和传播路径。而气候波动和人类活动则属于动态的触发因素，会促使病原体扩散，同时具有随机性和分布变化的特点[10]。传统模型往往无法区分这些复杂的相互作用，从而导致过度拟合那些由短暂动态因素引发的不稳定关联[11]。

这一挑战实际上属于典型的异常数据泛化问题[12]。数十年来，虽然景观的生态基底相对稳定，但气候模式和人类活动却发生了巨大变化。依赖独立同分布假设的传统统计或机器学习方法，难以区分由景观结构决定的稳定因果关系与不稳定的环境因素影响。这就导致在预测未来风险或将模型应用到气候条件不同的新区域时，预测效果较差。

为捕捉疾病传播中复杂的空间依赖关系，图神经网络逐渐成为一种有效的建模工具[13]。通过将地理单元视为节点、生态走廊视为边，图神经网络能够有效表示非欧几里得空间的相互作用[14]。然而，仅依靠图结构无法解决分布变化下的因果不变性问题。基于经验风险最小化的传统图神经网络容易过度拟合动态环境因素的高频波动，它们往往会捕捉到训练数据中的虚假关联（即捷径学习），而忽视了由景观结构决定的稳定因果关系。因此，当未来气候状况发生变化时，这类模型无法剔除环境噪声，进而导致预测失效。

为解决上述问题，本文提出了一种具有因果鲁棒性的图学习方法，旨在恢复决定自然疫源地疾病风险的不变预测关系。该方法的核心思路是利用景观结构先验（即静态基底）来约束动态数据的学习过程。我们采用对抗性方法来识别模型的结构弱点，通过生成扰动来模拟各种复杂的实际环境条件。结合方差最小化目标，这种双层优化机制迫使模型找到在各种模拟环境下依然稳定的关系。这样一来，模型的目标就从拟合与动态因素相关的虚假关联，转变为揭示不受环境变化影响的稳定致病机制。

本研究的主要贡献如下：

• 1.
  我们将自然疫源地疾病的长期预测问题转化为时空异常数据泛化问题，强调了将不变的生态基底与非平稳的环境因素分离的必要性。
• 2.
  我们提出了CL-GNN这一混合框架，它结合了专家设计的结构先验与对抗性不变学习目标，从而实现了强大的空间外推能力。
• 3.
  在包含62年数据的真实鼠疫数据集上进行的广泛实验表明，CL-GNN的性能显著优于传统基准模型，能够在不同的历史时期和结构条件下保持稳定的预测效果。

章节要点

传染病预测模型

疾病预测的方法大致可分为三类。第一类是基于理论的机制模型和传统统计模型。比如SIR/SEIR模型虽然具有可解释性，但在处理空间异质性或观测数据不完整的情况时，存在参数识别和稳健估计方面的难题[15]。此外，地理加权回归和时间序列分析等统计方法也常被使用。

研究区域

在中国已确认的43种动物源性自然疫源地疾病中，鼠疫属于甲类法定报告疾病，其致死率极高[29]。动物鼠疫的爆发、流行和潜伏期通常局限于特定的自然疫源地，而这些疫源地处于具有相对固定且独立空间结构的生态景观中，这类空间结构与气候、土地覆盖等景观因素密切相关[30]。

方法论

在第三节所定义的数据结构基础上，我们提出了CL-GNN框架。该框架将疾病预测视为一个领域泛化问题，利用不变的景观先验来抵消由气候和人类活动引起的空间分布变化。

实验分析

为验证CL-GNN框架的有效性，我们设计了一系列实验，旨在评估其整体性能、训练过程、在不同架构下的适用性，以及各核心组件的作用。所有实验都在严格的空间外推场景下进行，即模型在某一来源区域进行训练，然后在空间上完全分离的未观测区域进行测试。

讨论

本研究针对自然疫源地疾病的时空预测这一关键问题展开研究，这类预测任务常常会因不同疫情阶段的分布变化而受到影响。我们提出的CL-GNN是一种具有因果鲁棒性的框架，它将图结构上的不变风险最小化原则付诸实践。通过明确将输入空间划分为稳定的景观不变量与动态的环境驱动因素，并结合方差正则化的对抗性机制，

结论

在本研究中，我们通过自然疫源地疾病风险的时空预测，解决了流行病学预测中的异常数据泛化问题。我们将自然鼠疫疫源地视为受相对稳定景观结构影响、同时又会受到动态环境变化作用的生态系统。基于这一认识，我们提出了CL-GNN这一图学习框架，它结合了专家设计的结构先验与基于经验风险最小化的不变学习目标。

CRediT作者贡献说明

Xing Yuan：论文撰写——初稿、方法论、数据整理、概念构建。Min Meng：软件工具使用、方法论、形式化分析。Li Wang：论文撰写——审阅与编辑、可视化处理、数据整理、概念构建。Binggan Wei：论文撰写——审阅与编辑、资源获取、方法论、概念构建。Hairong Li：论文撰写——审阅与编辑、可视化处理、模型验证、监督指导、资源协调、研究调查、资金申请。Linsheng Yang：论文撰写——审阅与编辑、监督指导、资金支持

利益冲突声明

作者声明，他们不存在任何可能影响本文研究结果的已知财务利益或个人关系。