Агентное моделирование распространения инфекционных болезней: теория и практика (аналитический обзор)

Имитационное агентное моделирование предоставляет исследователю дополнительные возможности изучения закономерностей распространения возбудителя среди людей с учетом сложности и стохастического характера эпидемического процесса инфекционного заболевания. Под агентным моделированием понимают вычислительный подход, при котором агенты с заданными характеристиками взаимодействуют друг с другом и с внешней средой в соответствии с заранее заданными правилами. Основной предметной областью в данном обзоре литературы выступили обобщенные и специфические модели. В аналитическом обзоре литературы приведена краткая историческая справка становления методологии агентного моделирования в сфере эпидемиологии инфекционных болезней, приводятся основные термины и определения. Сильные и слабые стороны агентного моделирование ‒ это еще один раздел, также предусмотренный данным обзором литературы. Автор обсуждает подходы к классификации агентных моделей. Особое внимание уделено структуре таких моделей, что важно знать при разработке собственных симуляционных исследований. Подробно описаны 4 взаимосвязанных основных компонента, которые подлежат моделированию, а именно: описание заболевания (пути передачи, особенности инфекционного процесса), популяция, характер передвижений, окружающая среда. В статье поднят вопрос и о необходимости проведения валидации агентных моделей. Внимание читателя обращается на следующие важные особенности агентных имитационных моделей: возможность моделировать разнообразные сценарии в различном масштабе (глобальный, национальный, региональный), допускается взаимодействие агентов друг с другом и с окружающей средой на основе свода правил; возможность использовать в эпидемиологических исследованиях при невозможности контролируемого эксперимента (например, последствия несоблюдения профилактических мер, распространение «культурных патогенов»); агент, имея определенные характеристики, способен принимать различные решения; учет поведенческих аспектов на индивидуальном уровне; возможность использования индивидуальной мобильности и социальных контактов агента; также они хорошо подходят для целей эпидемиологического моделирования, особенно в сфере надзора за инфекционными болезнями, в том числе из категории новых инфекций (COVID-19).

1. Агеева А.Ф. Имитационное моделирование эпидемий: агентный подход. Моделирование, оптимизация и информационные технологии. 2020;8(3):1-13. https://doi.org/10.26102/2310-6018/2020.30.3.030

2. Герасимов А.Н. Модели и статистический анализ в эпидемиологии инфекционных болезней. Тихоокеанский медицинский журнал. 2019;3:80-83. https://doi.org/10.17238/PmJ1609-1175.2019.3.80-83

3. Кондратьев М.А. Методы прогнозирования и модели распространения заболеваний. Компьютерные исследования и моделирование. 2013;5(5):863-882. https://doi.org/10.20537/2076-7633-2013-5-5-863-882

4. Саркисов А.С. Вклад академика О.В. Барояна в развитие эпидемиологии. Бюллетень Национального НИИ общественного здоровья им. Н.А. Семашко. 2021;1:86-91. https://doi.org/10.25742/NRIPH.2021.01.011

5. Šešelja D. Agent-based modeling in the philosophy of science. In: Zalta E.N., Nodelman U., eds. The Stanford Encyclopedia of Philosophy. Winter 2023 Edition. Ссылка активна на 12.07.2024. https://plato.stanford.edu/archives/win2023/entries/agent-modeling-philscience

6. Crooks A.T., Hailegiorgis A.B. An agent-based modeling approach applied to the spread of cholera. Environmental Modelling Software. 2014;62:164-177. https://doi.org/10.1016/j.envsoft.2014.08.027

7. Tian Y., Osgood N.D., Al-Azem A., Hoeppner V.H. Evaluating the effectiveness of contact tracing on tuberculosis outcomes in Saskatchewan using individual-based modeling. Health Educ. Behav. 2013;40(1 Suppl):98S-110S. https://doi.org/10.1177/1090198113493910

8. Escobar E., Durgham R., Dammann O., Stopka T.J. Agent-based computational model of the prevalence of gonococcal infections after the implementation of HIV pre-exposure prophylaxis guidelines. Online J. Public. Health Inform. 2015;7(3):e224. https://doi.org/10.5210/ojphi.v7i3.6104

9. Abdidizaji S., Yalabadi A.K., Yazdani-Jahromi M., Garibay O.O., Garibay I. Agent-based modeling of C. difficile spread in hospitals: assessing contribution of high-touch vs. Low-touch surfaces and inoculations’ containment Impact. arXiv preprint arXiv:2401.11656 [cs. MA]. 2024:1-16. Ссылка активна на 12.07.2024. https://arxiv.org/html/2401.11656v1

10. Nguyen L.K.N., Megiddo I., Howick S. Simulation models for transmission of health care-associated infection: A systematic review. Am. J. Infect. Control. 2020;48(7):810-821. https://doi.org/10.1016/j.ajic.2019.11.005

11. Das T.K., Savachkin A.A., Zhu Y. A large-scale simulation model of pandemic influenza outbreaks for development of dynamic mitigation strategies. IIE Transactions. 2008;40(9):893-905. https://doi.org/10.1080/07408170802165856

12. Rakowski F., Gruziel M., Bieniasz-Krzywiec L., Radomski J.P. Influenza epidemic spread simulation for Poland – a large scale, individual based model study. Physica A: Statistical Mechanics and its Applications. 2010;389(16):3149-3165. https://doi.org/10.1016/j.physa.2010.04.029

13. Simoes J.M. Modelling a mumps outbreak through spatially explicit agents. Potentials of Complexity Science for Business, Governments, and the Media. 2006:1-16. Ссылка активна на 15.07.2024. http://www.casa.ucl.ac.uk/joanamargarida/papers/SimoesJ.pdf

14. Olsen J., Jepsen M.R. Human papillomavirus transmission and cost-effectiveness of introducing quadrivalent HPV vaccination in Denmark. Int. J. Technol. Assess Health Care. 2010;26(2):183-191. https://doi.org/10.1017/S0266462310000085

15. Erfani A., Frias-Martinez V. A fairness assessment of mobility-based COVID-19 case prediction models. PLoS One. 2023;18(10):e0292090. https://doi.org/10.1371/journal.pone.0292090

16. Koichubekov B., Takuadina A., Korshukov I., Sorokina M., Turmukhambetova A. The Epidemiological and Economic Impact of COVID-19 in Kazakhstan: An Agent-Based Modeling. Healthcare (Basel). 2023;11(22):2968. https://doi.org/10.3390/healthcare11222968

17. Платонова Т.А., Голубкова А.А., Обабков В.Н., Колесникова С.Ю., Смирнова С.С. Многофакторное имитационное моделирование в прогнозе заболеваемости корью на близлежащую и отдаленную перспективу. Эпидемиология и инфекционные болезни. 2018;23(5):255- 233. https://doi.org/10.18821/1560-9529-2018-23-5-225-233

18. Асатрян М.Н., Герасимук Э.Р., Струков Д.Р., Шмыр И.С., Вехов А.О., Ершов И.Ф., Лабодин А.В., Ноздрачева А.В., Семененко Т.А., Народицкий Б.С., Пронин А.В. Разработка программных инструментов, основанных на мультиагентном моделировании и реализованных в геоинформационной системе нового поколения, для решения эпидемиологических задач. Журнал эпидемиологии, микробиологии и иммунобиологии. 2021;98(4):468-480. https://doi.org/10.36233/0372-9311-130

19. Grefenstette J.J., Brown S.T., Rosenfeld R., DePasse J., Stone N.T., Cooley P.C., Wheaton W.D., Fyshe A., Galloway D.D., Sriram A., Guclu H., Abraham T., Burke D.S. FRED (a Framework for Reconstructing Epidemic Dynamics): an open-source software system for modeling infectious diseases and control strategies using census-based populations. BMC Public Health. 2013;13:940. https://doi.org/10.1186/1471-2458-13-940

20. Merler S., Ajelli M., Fumanelli L., Gomes M.F., Piontti A.P., Rossi L., Chao D.L., Longini I.M. Jr., Halloran M.E., Vespignani A. Spatiotemporal spread of the 2014 outbreak of Ebola virus disease in Liberia and the effectiveness of non-pharmaceutical interventions: a computational modelling analysis. Lancet Infect. Dis. 2015;15(2):204-211. https://doi.org/10.1016/S1473-3099(14)71074-6

21. Merler S., Ajelli M., Fumanelli L., Gomes M.F.C., Piontti A.P., Rossi L., Chao D.L., Halloran M.E., Vespignani A. Spatiotemporal spread of the 2014 outbreak of Ebola virus disease in Liberia and the effectiveness of non-pharmaceutical interventions: a computational modelling analysis. The Lancet. Infectious Diseases. 2015;15(2):204-211. https://doi.org/10.1016/S1473-3099(14)71074-6

22. Amadi M., Shcherbacheva A., Haario H. Agent-based modelling of complex factors impacting malaria prevalence. Malar. J. 2021;20(1):185. https://doi.org/10.1186/s12936-021-03721-2

23. Hu H., Gong P., Xu B. Spatially explicit agent-based modelling for schistosomiasis transmission: human-environment interaction simulation and control strategy assessment. Epidemics. 2010;2(2):49-65. https://doi.org/10.1016/j.epidem.2010.03.004

24. Liu J., Xia S. Computational Epidemiology: From Disease Transmission Modeling to Vaccination Decision Making. Springer Cham; 2020. https://doi.org/10.1007/978-3-030-52109-7

25. Mac Namee B., Cunningham P. Creating socially interactive no-player characters: The m-SIV system. International Journal of Intelligent Games and Simulation. 2003;2(1):186-221.

26. Hunter E., MacNamee B., Kelleher J. A taxonomy for agent-based models in human infectious disease epidemiology. Journal of Artificial Societies and Social Simulation. 2017;20(3):2. https://doi.org/10.18564/jasss.3414

27. Bisset K.R., Aji A.M., Marathe M.V., Feng W.C. High-performance biocomputing for simulating the spread of contagion over large contact networks. BMC Genomics. 2012;13 Suppl 2:S3. https://doi.org/10.1186/1471-2164-13-S2-S3

28. Morgan J.S., Howick S., Belton V. A toolkit of designs for mixing Discrete Event Simulation and System Dynamics. European Journal of Operational Research. 2017;257(3):907-918. https://doi.org/10.1016/j.ejor.2016.08.016

29. Epstein J.M., Parker J., Cummings D., Hammond R.A. Coupled contagion dynamics of fear and disease: Mathematical and computational explorations. PLOS one. 2008;3(12):1-11. https://doi.org/10.1371/journal.pone.0003955

30. Dunham J.B. An agent-based spatially explicit epidemiological model in MASON. Journal of Artificial Societies and Social Simulation. 2005;9(1):3-7. Ссылка активна на 15.07.2024. https://www.jasss.org/9/1/3.html

31. McLean A., McDonald W., Goodridge D., Osgood N. Agent-Based Modeling: A Method for Investigating Challenging Research Problems. Nurs. Res. 2019;68(6):473-482. https://doi.org/10.1097/NNR.0000000000000390

32. Мобильные телефоны: отслеживание местоположения. Ссылка активна на: 16.07.2024. https://ssd.eff.org/ru/module/мобильные-телефоны-отслеживание-местоположения

33. Aleman D.M., Wibisono T.G., Schwartz B. A nonomogeneous agent-based simulation approach to modeling the spread of disease in a pandemic. Informs. 2011;41(3):301-315. https://doi.org/10.1287/inte.1100.0550

34. Lee B.Y., Brown S.T., Cooley P., Potter M.A., Wheaton W.D., Voorhees R.E., Stebbins S., Grefenstette J.J., Zimmer S.M., Zimmerman R.K., Assi T.M., Bailey R.R., Wagener D.K., Burke D.S. Simulating school closure strategies to mitigate an influenza epidemic. J. Public Health Manag. Pract. 2010;16(3):252-261. https://doi.org/10.1097/PHH.0b013e3181ce594e

35. Shi H., Wang J., Cheng J., Qi X., Ji H., Struchiner C.J., Villela D.A., Karamov E.V., Turgiev A.S. Big data technology in infectious diseases modeling, simulation, and prediction after the COVID-19 outbreak. Intell. Med. 2023;3(2):85-96. https://doi.org/10.1016/j.imed.2023.01.002

36. Khashoggi B.F., Murad A. Issues of healthcare planning and GIS: a review. ISPRS Int. J. Geo-Inf. 2020;9(6):352. https://doi.org/10.3390/ijgi9060352

37. Waleed M., Um T.-W., Kamal T., Khan A., Zahid Z.U. SIM-D: An Agent-Based Simulator for Modeling Contagion in Population. Applied Sciences. 2020;10(21):7745. https://doi.org/10.3390/app10217745

38. Mniszewski S.M., Del Valle S.Y. EpiSimS: Large-scale agent-based modeling of the spread of disease. Technical report, Los Alamos National Laboratory (LANL). 2013. Ссылка активна на 15.07.2024. file:///C:/Users/toropova.ov/Downloads/EpiSimS_Large_Scale_ Agent_based_Modeling.pdf

39. de Mooij J., Bhattacharya P., Dell’Anna D., Dastani M., Logan B., Swarup S. A framework for modeling human behavior in large-scale agent-based epidemic simulations. Simulation. 2023;99(12):1183- 1211. https://doi.org/10.1177/00375497231184898

40. Van den Broeck W., Gioannini C., Gonçalves B., Quaggiotto M., Colizza V., Vespignani A. The GLEaMviz computational tool, a publicly available software to explore realistic epidemic spreading scenarios at the global scale. BMC Infect. Dis. 2011;11:37. https://doi.org/10.1186/1471-2334-11-37

41. Kirillin M., Khilov A., Perekatova V., Sergeeva E., Kurakina D., Fiks I., Saperkin N., Tang M., Zou Y., Macau E., Pelinovsky E. Multicentral agent-based model of four waves of COVID-19 spreading in Nizhny Novgorod region of Russian Federation. Journal of Biomedical Photonics & Engineering. 2023;9(1):1-8. https://doi.org/10.18287/JBPE23.09.010306