Статья: От маргинальных данных к микроданным: проекция на основе cGAN для популяционного синтеза (2026)

Читать онлайн

Мы представляем новую структуру для синтетического формирования популяции, использующую условно-генеративные состязательные сети (CGAN) для получения микроданных о состоянии здоровья на индивидуальном уровне от маргиналов на популяционном уровне. В частности, наш подход позволяет синтезировать реалистичные микроданные для целевых групп населения, где доступны только агрегированные статистические данные, такие как распределение по возрасту и полу и распространенность заболеваний. Для решения проблем, связанных с нехваткой данных и ограничениями конфиденциальности, мы разрабатываем архитектуру cGAN, которая фиксирует и переносит сложные взаимозависимые взаимосвязи (например, зависимости от возраста и заболеваний) от исходной популяции с микроданными к целевой популяции, описываемой маргиналами. Гибридная функция потерь обеспечивает точность целевых показателей, сохраняя при этом эпидемиологическую реалистичность сгенерированных выборок. Мы оценили наш метод, используя поведенческий риск 2023 года Набор данных системы эпиднадзора за факторами риска (BRFSS) из США, демонстрирующий четкое соответствие с реальными распределениями по нескольким штатам. Модель точно воспроизводит закономерности сопутствующей заболеваемости и корреляции между возрастом и заболеваемостью, хотя они не были частью данных о влиянии факторов риска. Наши результаты показывают, что этот метод позволяет создавать масштабируемые и конфиденциальные синтетические данные, которые могут найти применение в моделировании общественного здравоохранения и агентном моделировании, особенно в регионах, где нет подробных данных на индивидуальном уровне.

We present a novel framework for synthetic population generation using conditional Generative Adversarial Networks (cGANs) to infer individual-level health microdata from population-level marginals. Specifically, our approach synthesizes realistic microdata for target populations where only aggregate statistics are available, such as age-sex distributions and disease prevalence. To address the challenges of data scarcity and privacy constraints, we develop a cGAN architecture that captures and transfers complex intervariable relationships (e. g., age-disease and disease-disease dependencies) from a source population with microdata to a target population described by marginals. A hybrid loss function enforces the fidelity to the target marginals while preserving the epidemiological realism of the generated samples. We evaluated our method using the 2023 Behavioral Risk Factor Surveillance System (BRFSS) dataset from the USA, demonstrating strong alignment with real-world distributions across multiple states. The model accurately replicates disease co-occurrence patterns and age-disease correlations, even though these were not part of the conditioning data. Our results suggest that this method can enable scalable and privacy-preserving synthetic data generation, with promising applications in public health modeling and agent-based simulation, particularly in regions lacking detailed individual-level data.

Ключевые фразы: synthetic population, deep learning, cgan, microdata, individual-level database
Автор (ы): NOVIKOV K., GORODNOVA N., ROMANYUKHA A.
Журнал: МАТЕМАТИЧЕСКАЯ БИОЛОГИЯ И БИОИНФОРМАТИКА

Предпросмотр статьи

Идентификаторы и классификаторы

SCI
Электротехника
УДК
00. Наука в целом (информационные технологии - 004)
Для цитирования:
NOVIKOV K., GORODNOVA N., ROMANYUKHA A. ОТ МАРГИНАЛЬНЫХ ДАННЫХ К МИКРОДАННЫМ: ПРОЕКЦИЯ НА ОСНОВЕ CGAN ДЛЯ ПОПУЛЯЦИОННОГО СИНТЕЗА // МАТЕМАТИЧЕСКАЯ БИОЛОГИЯ И БИОИНФОРМАТИКА. 2026. № 1, ТОМ 21
Текстовый фрагмент статьи
Моя история просмотров (10)
Будьте первым, кто начнет обсуждение

Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.