오픈 웹 데이터 기반 핫스팟 역학을 이용한 싱가포르 도시 전체의 뎅기열 확산 패턴 마이닝

Mining Citywide Dengue Spread Patterns in Singapore Through Hotspot Dynamics from Open Web Data

모기 매개 질병인 뎅기열은 싱가포르와 같은 열대 지역의 도시에서 지속적인 공중 보건 문제로 남아 있습니다. 효과적이고 경제적인 통제를 위해서는 사후 대응이 아닌 선제적인 개입이 가능하도록 전파 위험이 발생할 가능성이 있는 곳을 예측해야 합니다. 본 연구는 공개된 뎅기열 발병 데이터에서 직접 채굴한 도시 지역 간의 잠재적 전파 연결 고리를 발견하고 활용하는 새로운 프레임워크를 소개합니다. 우리는 발병 사례를 독립된 보고로 취급하는 대신, 한 지역의 핫스팟 형성이 인접 지역의 유행 역학에 의해 어떻게 영향을 받는지 모델링합니다. 모기의 이동은 매우 국지적이지만 장거리 전파는 주로 사람의 이동에 의해 발생하며, 본 사례 연구에서 학습된 네트워크는 통근 흐름과 밀접하게 일치하여 도시 전체 확산에 대한 해석 가능한 설명을 제공합니다. 이러한 숨겨진 연결 고리는 경사 하강법을 통해 최적화되며, 핫스팟 상태를 예측하는 데 사용될 뿐만 아니라 연속된 주(week)에 걸쳐 추론된 네트워크의 안정성을 검토하여 확산 패턴의 일관성을 검증하는 데에도 활용됩니다. 2013-2018년 및 2020년 싱가포르에 대한 사례 연구 결과, 4주간의 핫스팟 기록만으로도 평균 F-score 0.79를 달성할 수 있음을 보여줍니다. 중요한 점은 학습된 전파 연결 고리가 통근 흐름과 일치한다는 것이며, 이는 숨겨진 전염병 확산과 인간 이동성 간의 상호작용을 해석 가능하게 보여줍니다. 단순히 뎅기열 사례를 보고하는 것에서 나아가 숨겨진 확산 역학을 발굴하고 검증함으로써, 이 연구는 오픈 웹 기반의 사례 데이터를 예측 및 설명 가능한 자원으로 변환합니다. 제안된 프레임워크는 전염병 모델링을 발전시키는 동시에 공중 보건 계획, 조기 개입 및 도시 회복탄력성을 위한 확장 가능하고 저비용의 도구를 제공합니다.

Dengue, a mosquito-borne disease, continues to pose a persistent public health challenge in urban areas, particularly in tropical regions such as Singapore. Effective and affordable control requires anticipating where transmission risks are likely to emerge so that interventions can be deployed proactively rather than reactively. This study introduces a novel framework that uncovers and exploits latent transmission links between urban regions, mined directly from publicly available dengue case data. Instead of treating cases as isolated reports, we model how hotspot formation in one area is influenced by epidemic dynamics in neighboring regions. While mosquito movement is highly localized, long-distance transmission is often driven by human mobility, and in our case study, the learned network aligns closely with commuting flows, providing an interpretable explanation for citywide spread. These hidden links are optimized through gradient descent and used not only to forecast hotspot status but also to verify the consistency of spreading patterns, by examining the stability of the inferred network across consecutive weeks. Case studies on Singapore during 2013-2018 and 2020 show that four weeks of hotspot history are sufficient to achieve an average F-score of 0.79. Importantly, the learned transmission links align with commuting flows, highlighting the interpretable interplay between hidden epidemic spread and human mobility. By shifting from simply reporting dengue cases to mining and validating hidden spreading dynamics, this work transforms open web-based case data into a predictive and explanatory resource. The proposed framework advances epidemic modeling while providing a scalable, low-cost tool for public health planning, early intervention, and urban resilience.