31、VacciNet：基于强化学习的疫苗分发链优化智能框架

VacciNet：基于强化学习的疫苗分发链优化智能框架

1 引言

传染病和大流行疫情对世界历史产生了深远影响，塑造了社会形态、改变了战争结果、影响了社会经济政策和政治立场，总体上为医学和技术创新铺平了道路。研究人员普遍认为，控制大流行疫情最有效的方法之一是制定及时且高效的疫苗接种策略。

在新冠疫苗接种的第一阶段，疫苗剂量优先提供给基于年龄和职业划分的最脆弱人群。当第一阶段完成对脆弱人群的接种后，各国的疫苗接种工作便进入第二阶段，即大规模人群接种。然而，这一阶段也伴随着诸多问题，如不同地区的疫苗浪费和短缺、由于供需平衡不佳导致的供应和储存成本过高。美国卫生与公众服务部在 2021 年 1 月采用了“曲速行动”（OWS）策略来分配新冠疫苗，但该策略并未考虑到一些重要的优化因素。

根据世界卫生组织新冠疫情仪表盘的最新数据，全球已接种了 50 亿剂疫苗。目前，仅有 20 亿人（占世界总人口的 29.9%）完成了全程接种。SARS-CoV - 2 病毒的变异使得开发抗变异疫苗和进行季节性接种在不久的将来成为必然。截至目前，新冠加强针的大规模接种仍在进行，同时新毒株的出现和病毒爆发的可能性依然很高。

疫苗分发是一个复杂的过程，尤其是对于需要严格温度控制的疫苗。美国为运送 10 亿剂新冠疫苗花费了近 20 亿美元，其中约 22% 与温控运输链（CTC）有关。冷冻必需品需要高昂的维护成本以避免损坏，即使在一线卫生中心，储存疫苗也需要冷藏成本。如果继续进行不协调的疫苗分发，未来全球 GDP 损失可能高达 9.2 万亿美元。目前，尚未出现能够有效缓解因 CTC 供应链管理不善导致的经济危机的自动化解决方案。

基于以上观察，我们提出了一种基于深度学习的解决方案——Vac