유럽 데이터를 활용한 국가별 감염병 예측을 위한 교차국 학습

초록

본 연구는 사이프러스의 COVID‑19 일일 확진자 수 예측을 사례로, 여러 유럽 국가의 시계열 데이터를 하나의 모델에 통합 학습시켜 단일 국가 데이터만 사용할 때보다 예측 정확도를 향상시킬 수 있음을 보여준다. XGBoost와 Transformer 모델을 다양한 과거(look‑back) 창과 데이터 증강 전략으로 비교 평가하였다.

상세 분석

이 논문은 감염병 예측에서 흔히 마주치는 “데이터 부족” 문제를 교차국 학습(cross‑country learning)이라는 접근법으로 해결하고자 한다. 저자들은 46개 유럽 국가의 일일 확진자 데이터를 수집하고, 보고 누락을 보간·로그 변환·국가별 표준화 등 전처리를 수행했다. 핵심 아이디어는 동일한 look‑back 길이(L)와 예측 horizon(h=7일)를 사용해 각 국가별 입력‑출력 쌍을 만든 뒤, 이들을 하나의 대규모 학습 집합 D_cross에 합쳐 단일 모델 f_cross를 학습시키는 것이다.

모델로는 전통적인 통계 모델인 ARIMA와 베이스라인인 Naïve, Seasonal Naïve, Last‑Week‑Average를 포함한 간단한 방법들과, 최신 머신러닝/딥러닝 기법인 XGBoost와 Transformer를 선택하였다. XGBoost는 트리 기반 부스팅으로 시계열 특성을 자동으로 포착하고, Transformer는 셀프‑어텐션을 통해 장기 의존성을 효율적으로 학습한다. 두 모델 모두 15번의 반복 실험을 통해 평균 MAE와 MAPE, 그리고 7일 전체 합계에 대한 집계 오류를 측정하였다.

실험은 세 가지 서로 다른 train‑test 분할(대규모 파동 절반, 저활동 기간, 후기 기간)로 진행했으며, 국가 선택 기준은 결측 비율과 사이프러스와의 스피어만 상관계수(|ρ|≥0.3, <0.3, 전체)였다. 결과는 전반적으로 “All Countries” 즉, 모든 국가 데이터를 포함한 학습이 “National” 단일 국가 학습보다 MAPE와 MAE에서 5~10% 정도 개선됨을 보여준다. 특히 XGBoost는 7일 look‑back에서 MAE 406 vs 431, MAPE 28.3% vs 27.5% 등 일관된 이점을 보였으며, Transformer는 데이터 규모가 커질수록 변동성이 감소하고 성능이 향상되는 경향을 나타냈다.

또한 look‑back 길이에 대한 민감도 분석에서 7일보다 14일, 21일 창을 사용할 경우 일부 모델에서 오히려 과적합 위험이 증가해 오류가 커지는 현상이 관찰되었다. 이는 감염병 데이터가 급격히 변동하는 특성 때문에 과거 정보를 과도하게 활용하면 최신 트렌드를 반영하지 못할 수 있음을 시사한다.

이 연구는 교차국 학습이 “데이터 증강”이라는 형태로 작용해, 특히 데이터가 제한된 작은 국가나 초기 단계의 전염병 상황에서 유용할 수 있음을 실증적으로 입증한다. 다만, 국가별 보건 정책, 검사 체계, 보고 지연 등 이질적인 요인이 모델에 혼입될 위험이 존재하므로, 향후 연구에서는 국가 식별자를 명시적으로 입력하거나 메타‑학습/멀티‑태스크 구조를 도입해 개별 특성을 보정하는 방안을 모색할 필요가 있다.