감염병 확산은 환경, 기후 위기 못지않은 전 지구적 Agenda로 인식되고 있습니다.  COVID-19 사례를 통해 신종 감염병이 발생하고 치료제와 백신이 없는 경우 경제, 사회, 정치적으로 중대한 충격을 주고, 개인, 가족, 공동체에 지대한 영향을 끼친다는 것을 알게 되었습니다.  강한 전염력을 가진 신종 감염병은 집단 감염을 초래하고 지역사회의 폭발적 유행을 가져오기 때문에, 단계별 효과적인 공공보건 대책 수립을 위해서는 신뢰성 높은 확산모델 구축이 절대적으로 필요합니다. 모델의 신뢰성은 데이터와 밀접한 상관관계를 가지는데, 역설적으로 한국의 경우, 효과적인 대규모 역학조사, 진단능력, 경중환자 임상자료가 잘 축적이 되어 있고, 이러한 양질의 데이터는 새로운 수학적 모델링의 좋은 토대가 될 수 있습니다.

기존 감염병 확산 연구는 ‘homogeneous model’이 가장 많이 사용되며, 이 모델은 모든 개인들의 행동양식(접촉자수), 잠복기, 감염기 또는 전염력이 동일하다고 전제합니다. 하지만 2003(SARS-CoV) 2015(MERS-CoV), 2019(COVID-19) 사례에서 알 수 있듯이 슈퍼전파자와 일반 감염자의 전염력과 개인별 특성이 동일하지 않습니다.

Heterogeneous model(agent-based model)은 행동양식 및 병리학적인 개개인의 다양한 특성을 고려한 방법으로 시스템을 구성하는 기본 단위를 행위자(agent)로 설정하고 그들 사이의 개별적, 국지적 상호작용에 의해 출현하는 집단적, 전역적 차원의 특성을 모델링 하는 기법입니다.

Homogeneous model은 대규모의 유행이 있을 때 적절한 방법이며 수학적 정성적 연구 수행이 가능한 장점이 있고 Agent-based model의 특징은 이처럼 현실세계와 매우 유사한 가상현실을 구축함으로써 실제와 가까운 감염병 확산패턴을 연구할 수 있다는 장점이 있어서 COVID-19와 같은 신종 감염병 같이 초기에 불확실성이 높은 정량적인 예측을 할 때는 개별적 특성을 고려한 heterogeneous model이 사용하고자 합니다. 

본 연구에서는 이러한 각 단계별 장단점을 보완할 수 있는 Hybrid 모델을 구축하고 과거와 현재의 감염병 확산 및 대응 데이터 기반으로 AI 기반 강화학습 기법(deep reinforcement learning algorithms)을 적용하여 감염병 확산의 최적제어방법론을 개발하고 현재와 미래의 공중보건 대책 제안 및 수립에 기여하고자 합니다.