流行病给人类的健康和生命安全造成了巨大的威胁，而且其传播机理受到各种复杂因素的影响。有鉴于此，本项目将以实现流行病监控过程中的资源优化配置为目标，提出一种基于网络的包含系统建模、网络推理和网络优化的计算流行病学框架。具体地，我们将针对疟疾在云南各地区的传播和监控展开研究：首先，针对人口流动造成的疟疾的时空传播，充分考虑影响疟疾传播的各种因素（如环境、气象等），设计一种开放的网络传播模型。其次，结合疟疾疫情的实际监测数据，利用数据挖掘、机器学习等人工智能方法，对隐含的疟疾空间传播网络进行推理。更进一步地，根据推理得到的传播网络，把疟疾监控过程中的资源管理（如前线工作人员的调度等）问题转化成网络优化问题。在此过程中，考虑到资源分配的现实需求，本项目将着重强调激励机制的设计，从而实现一种自下而上的按需分配的资源优化配置方案。我们相信，本项目的研究将会对其他流行病的科学监控起到很好的示范作用。

The transmission of infectious diseases, which can be affected by various interactive impact factors, has induced enormous damages on human health and security. In view of this, this project aims to present a computational epidemiology framework consisting of modules about network-based system modeling, network inference, and network optimization so as to achieve optimal resource allocation for disease surveillance and control. Specifically, this project will focus on the implementation and study of this framework on the malaria transmission and control in Yunnan, China. First, to model the impact of human movement on the spatial transmission of malaria, we will present a network-based transmission model by taking into consideration various dynamically changing impact factors, such as temperature and rainfall. Then, combing with the reported spatial and temporal malaria cases, this project further aims to learn or infer model parameters and underlying transmission networks by design two kinds of machine learning algorithms. The learning results will be empirically validated by frontline workers in Yunnan. Finally, based on the inferred malaria transmission networks and the concept of network optimization, this project will further study two kinds of resource allocation problems during malaria surveillance and control. With respect to the real-world situation, we focus mainly on the problem of how to design an incentive mechanism such that resources can be optimally allocated at the system level by the self-organization and cooperation of authorities/organizations at the local level. This demonstrated framework, models, and methods in this project will offer new insights into the surveillance and control of other infectious diseases.

为了实现疟疾消除的目标，中国政府于 2010 年启动了中国疟疾消除计划。然而，由于越来越多的跨境人口流动，中国边境地区仍然存在输入性疟疾的风险，从而对疟疾的本地传播构成潜在威胁。以此为背景，本项目的研究目标是从复杂系统的角度出发，提出一个包含系统建模、模型的参数估计和推理、以及公共卫生决策支持的计算流行病学框架。针对此框架内的各个组成部分，我们针对我国云南地区的疟疾监控进行了以下三方面的研究：首先，我们分析并解释气象因素与本地疟疾发病之间的关系，发现气象因素是疟疾发病的影响因素之一，且媒介能量在本地疟疾的发生上具有一定程度的可解释性, 相对湿度与疟疾的发病存在着较为复杂的非线性关系。其次，我们针对人口流动造成的疟疾在人群亚群层面上的时空传播，充分考虑影响疟疾传播的各种因素（如病毒生理周期、媒介的生殖营养周期、以及环境等），设计一种基于疟疾传播网络模型。进一步地，结合云南地区实际监测的疟疾报告数据，利用动态因素分析等数据挖掘和机器学习方法，对疟疾传播模型中隐含的参数以及人口流动引起的疟疾传播网络本身进行推理，揭示了影响间日疟疫情的地域差异性的原因，为主动监控提供了地理学分类方法。最后，我们研究了流行病中个体自愿免疫行为和群体利益的冲突，揭示了感染风险和免疫风险对个体免疫行为的影响，从而为流行病免疫政策的制定提供了一定的理论基础。通过与中国疾病预防控制中心寄生虫病预防控制所相关专家的密切交流与合作，本项目的部分成果和方案能够对我国消除疟疾阶段监测响应措施的优化机制研究（如“1-3-7定点清除”工作模式）提供潜在的理论和技术支持。