AMiner推荐论文：Efficient and targeted COVID-19 border testing via reinforcement learning

论文链接： https://www.aminer.cn/pub/6172abac5244ab9dcbc28b14?f=cs
在整个 COVID-19 大流行期间，不少国家依靠各种临时边境控制协议，在保障公共卫生的同时允许必要的旅行：从隔离所有旅行者，到根据病例、死亡或阳性检测率等全民流行病学指标限制特定国家人员入境。许多国家/地区会随机或根据风险类别选择旅客进行 COVID-19测试。例如，来自高感染率地区的人可能比来自低感染率地区的人优先接受检测。
但 Eva 有所不同，Eva 将实时检测数据与访客在抵达前 24 小时填写的简单表格中的信息相结合，为每位访客建立风险状况评估，建议哪些游客在抵达时应接受 COVID-19 检测，哪些游客可以不经检测就安全入境。
最关键的是，与全国范围的方案不同，部署于希腊边境的 Eva，不仅收集了旅行历史信息，还从进入希腊所需的乘客信息表中收集了年龄和性别等人口统计数据，然后将这些特征与之前接受过测试的乘客的数据进行匹配，并利用该结果来估计个人的感染风险，进而分配希腊有限的检测资源。
借助 Eva，希腊每天对抵达或途经该国的估计 41,830 户家庭中的约 17% 进行检测。通过将 Eva 的性能与模拟情景进行比较，研究发现，Eva 发现的感染的旅行者比原先严格按照其国籍检测的方式（即只利用流行病学指标的检测政策）多 1.25-1.45 倍。与随机检测相比，Eva 在旅游旺季（8 月和 9 月）发现感染的旅行者是前者的 4 倍，非旅游旺季的结果是随机检测的 1.85 倍。AMiner,让AI帮你理解科学！https://www.aminer.cn