싱가포르 도시 전체의 뎅기 바이러스 확산 패턴 분석: 공개 웹 데이터를 활용한 핫스팟 동역학 연구

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

뎅기는 모기 매개 질환으로, 특히 싱가포르와 같은 열대 지역의 도시 지역에서 지속적인 공중 보건 문제로 남아 있습니다. 효과적이고 경제적인 방제를 위해서는 전염 위험이 발생할 가능성이 높은 지역을 예측하여 사전에 개입하는 것이 중요합니다. 본 연구는 공개적으로 이용 가능한 뎅기 질환 발생 데이터를 직접 분석하여 도시 지역 간의 잠재적인 전염 경로를 밝히고 활용하는 새로운 프레임워크를 제시합니다. 우리는 뎅기 질환 발생 건수를 개별 보고서로 취급하는 대신, 한 지역의 핫스팟 형성이 인접 지역의 전염 역학에 의해 어떻게 영향을 받는지 모델링합니다. 모기 이동은 매우 국지적이지만, 장거리 전염은 종종 인간의 이동성에 의해 발생하며, 본 연구의 사례 연구에서 학습된 네트워크는 통근 흐름과 밀접하게 일치하여 도시 전체의 확산에 대한 해석 가능한 설명을 제공합니다. 이러한 숨겨진 연결은 경사 하강법을 통해 최적화되며, 핫스팟 상태를 예측하는 데 사용될 뿐만 아니라, 추론된 네트워크의 안정성을 주간별로 검토하여 확산 패턴의 일관성을 검증하는 데에도 사용됩니다. 2013년에서 2018년 및 2020년 동안의 싱가포르 사례 연구에서 핫스팟 이력 4주만으로도 평균 F-score 0.79를 달성할 수 있었습니다. 중요한 점은 학습된 전염 경로가 통근 흐름과 일치하며, 이는 숨겨진 전염 확산과 인간 이동성 간의 해석 가능한 상호 작용을 강조합니다. 본 연구는 뎅기 질환 발생 건수를 단순히 보고하는 것에서 벗어나, 숨겨진 확산 역학을 분석하고 검증함으로써 공개 웹 기반의 질환 발생 데이터를 예측 및 설명적인 자원으로 전환합니다. 제안된 프레임워크는 전염병 모델링을 발전시키면서 동시에 공중 보건 계획, 조기 개입 및 도시 회복력을 위한 확장 가능하고 저렴한 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.