Spatio-Temporal SIR Model of Pandemic Spread During Warfare with Optimal Dual-use Healthcare System Administration using Deep Reinforcement Learning

要約

戦争やパンデミックを含む大規模な危機は人類の歴史を繰り返し形成しており、それらが同時に発生すると社会に深刻な課題をもたらします。
複雑な紛争地帯で効果的な封じ込め戦略を開発するには、戦争中の伝染病の蔓延のダイナミクスを理解することが不可欠です。
研究ではさまざまな環境での流行モデルが調査されてきましたが、戦争が流行の動態に及ぼす影響は依然として十分に調査されていません。
この研究では、人口の死亡率に対する戦争とパンデミックの二重の影響を調査するために、疫学的なSIR（感受性感染者-回復者）モデルと戦争力学ランチェスターモデルを統合した新しい数学モデルを提案しました。
さらに、我々は、異なる管理政策を利用できる全体的な死亡率の削減を目的とした軍用と民間用の二重用途の医療システムを検討します。
エージェントベースのシミュレーションを使用して in silico データを生成し、医療管理ポリシーのための深層強化学習モデルをトレーニングし、そのパフォーマンスについて集中的な調査を実施しました。
私たちの結果は、戦争中のパンデミックは混沌とした力学を引き起こし、医療システムは長期的な目標を無視して、各選択肢による当面の死亡者数に基づいて、戦争で負傷した兵士かパンデミックに感染した民間人のどちらかを優先する必要があることを示しています。
私たちの調査結果は、紛争の影響を受ける地域における準備と対応戦略を強化するために、紛争関連要因を流行モデルに統合することの重要性を強調しています。

要約(オリジナル)

Large-scale crises, including wars and pandemics, have repeatedly shaped human history, and their simultaneous occurrence presents profound challenges to societies. Understanding the dynamics of epidemic spread during warfare is essential for developing effective containment strategies in complex conflict zones. While research has explored epidemic models in various settings, the impact of warfare on epidemic dynamics remains underexplored. In this study, we proposed a novel mathematical model that integrates the epidemiological SIR (susceptible-infected-recovered) model with the war dynamics Lanchester model to explore the dual influence of war and pandemic on a population’s mortality. Moreover, we consider a dual-use military and civil healthcare system that aims to reduce the overall mortality rate which can use different administration policies. Using an agent-based simulation to generate in silico data, we trained a deep reinforcement learning model for healthcare administration policy and conducted an intensive investigation on its performance. Our results show that a pandemic during war conduces chaotic dynamics where the healthcare system should either prioritize war-injured soldiers or pandemic-infected civilians based on the immediate amount of mortality from each option, ignoring long-term objectives. Our findings highlight the importance of integrating conflict-related factors into epidemic modeling to enhance preparedness and response strategies in conflict-affected areas.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google