33 lines
2.2 KiB
Markdown
33 lines
2.2 KiB
Markdown
---
|
|
id: P-REINFORCE-AUTO-EPDM-001
|
|
category: "10_Wiki/💡 Topics/AI"
|
|
confidence_score: 0.95
|
|
tags: [auto-reinforced, epidemiology, modeling, sir-model, public-health, simulation, forecasting]
|
|
last_reinforced: 2026-04-20
|
|
---
|
|
|
|
# [[Epidemiological-Modeling]]
|
|
|
|
## 📌 한 줄 통찰 (The Karpathy Summary)
|
|
> "질병 확산의 수학적 예언: 바이러스의 전파 속도, 사람 간 접촉 패턴, 면역 생성률을 수식에 담아 '언제 정점에 도달하고 얼마나 많은 백신이 필요한가'를 예측하여 국가의 방역 정책을 결정하는 데이터 과학의 창."
|
|
|
|
## 📖 구조화된 지식 (Synthesized Content)
|
|
역학 모델링(Epidemiological-Modeling)은 인구 집단 내에서 질병의 전파 양상을 수학적으로 묘사하고 통제 전략의 효과를 시뮬레이션하는 기법입니다.
|
|
|
|
1. **대표적 모델 (SIR Model)**:
|
|
* **Susceptible (S)**: 감염 가능한 인구.
|
|
* **Infectious (I)**: 감염자.
|
|
* **Recovered (R)**: 회복자/면역자.
|
|
* **R0 (Basic Reproduction Number)**: 감염자 1명이 평균적으로 감염시키는 인원수. R0 > 1 이면 대유행 발생. (Statistics와 연결)
|
|
2. **왜 중요한가?**:
|
|
* 봉쇄 정책, 마스크 착용, 백신 접종 등의 정책 변화 정책이 실제 확산세 정책에 미치는 영향을 데이터로 미리 검증할 수 있기 때문임. (Simulation와 연결)
|
|
|
|
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
|
- **과거 데이터와의 충돌**: 과거에는 평균적인 인구 통계 정책에 의존했으나, 현대 정책은 개개인의 이동 패턴 정책이나 SNS 관계망 정책까지 반영하는 '에이전트 기반 모델(ABM) 정책'으로 훨씬 더 정교한 예측이 가능해짐(RL Update). (Complexity-Science와 연결)
|
|
- **정책 변화(RL Update)**: 이제는 단순 시뮬레이션 정책을 넘어, AI 가 실시간으로 전 세계 하수 데이터나 검색 트래픽 정책을 분석하여 변이 바이러스의 출현 정책을 조기 경보하는 '디지털 역학 감시 체계'로 진화 중임.
|
|
|
|
## 🔗 지식 연결 (Graph)
|
|
- Simulation, [[Statistics]], Complexity-Science, [[Risk-Management]], [[Sustainability]], Bio-Informatics
|
|
- **Key Milestone**: COVID-19 real-time modeling and strategy.
|
|
---
|