정책 내재 그래프 확장: 확산 기반 네트워크 샘플을 활용한 네트워크 기반 HIV 검사

Policy-Embedded Graph Expansion: Networked HIV Testing with Diffusion-Driven Network Samples

HIV는 인간 면역 체계를 공격하는 역전사 바이러스이며, 적절한 치료 없이는 사망에 이를 수 있습니다. 세계보건기구(WHO) 및 위츠 대학교와 협력하여 HIV 검사의 효율성을 향상시키는 연구를 진행하고 있으며, 궁극적으로는 UN 지속가능발전목표 3.3 달성에 직접적으로 기여하고자 합니다. 기존 연구에서는 지능형 알고리즘이 순차적, 네트워크 기반 HIV 검사에 유망한 가능성을 보여주었지만, 현재 접근 방식은 실제 환경에서의 구현에 비현실적인 가정에 의존합니다. 본 연구에서는 점진적으로 드러나는 질병 네트워크에 대한 순차적 검사를 연구하고, 의사 결정 정책에 생성 분포를 직접 내재시키는 새로운 프레임워크인 Policy-Embedded Graph Expansion (PEGE)을 소개합니다. 또한, PEGE의 의사 결정을 지원하고, 데이터가 제한적인 환경에서 자연스럽게 나타나는 트리 구조를 활용하도록 설계된 확산 기반 그래프 확장 모델인 Dynamics-Driven Branching (DDB)을 제안합니다. 실제 HIV 전파 네트워크에 대한 실험 결과, PEGE와 DDB를 결합한 접근 방식이 기존 방법보다 일관되게 우수한 성능을 보였으며 (예: 할인된 보상 13% 향상 및 전체 인구의 25%를 검사했을 때 HIV 감염자 9% 더 검출), 의사 결정의 품질에 영향을 미치는 주요 상호작용을 탐구했습니다.

HIV is a retrovirus that attacks the human immune system and can lead to death without proper treatment. In collaboration with the WHO and Wits University, we study how to improve the efficiency of HIV testing with the goal of eventual deployment, directly supporting progress toward UN Sustainable Development Goal 3.3. While prior work has demonstrated the promise of intelligent algorithms for sequential, network-based HIV testing, existing approaches rely on assumptions that are impractical in our real-world implementations. Here, we study sequential testing on incrementally revealed disease networks and introduce Policy-Embedded Graph Expansion (PEGE), a novel framework that directly embeds a generative distribution over graph expansions into the decision-making policy rather than attempting explicit topological reconstruction. We further propose Dynamics-Driven Branching (DDB), a diffusion-based graph expansion model that supports decision making in PEGE and is designed for data-limited settings where forest structures arise naturally, as in our real-world referral process. Experiments on real HIV transmission networks show that the combined approach (PEGE + DDB) consistently outperforms existing baselines (e.g., 13% improvement in discounted reward and 9% more HIV detections with 25% of the population tested) and explore key tradeoffs that drive decision quality.