한국형 예측 네트워크(Forecast Hub) 구축을 위한 기획연구

초록

1. 연구 필요성과 배경 - COVID-19 팬데믹은 예측 모델링의 중요성을 부각시켰으며, 정부·학계·연구기관 간 협력의 필요성을 확인하였음 - 해외에서는 허브-앤-스포크 구조를 통해 다양한 모델을 통합·평가하며 정책결정에 활용하고 있음 - 국내는 데이터 접근성, 표준화 부족, 연구자 간 협업 어려움 등으로 중앙 예측 시스템 부재가 주요 문제로 파악되었음 2. 연구 방법 - 해외 Forecast Hub 운영방식(데이터 제공, 표준화된 예측 제출, 앙상블, 평가 시스템등) 비교·분석 - 시나리오 허브, 데이터 허브, 앙상블 허브의 3대 핵심 인프라 설계 - 감염병 모델링 연구자 대상 설문조사(12개 연구팀 참여) 및 질병관리청과의 공동 워크숍 수행 3. 주요 연구 결과 ① 시나리오 허브 설계 - 역학·사회·행동·환경 변수를 포함한 국가 표준 시나리오 체계 정립 - Best/Most likely/Worst-case 등 국제 기준 프레임워크 도입 - 정책 효과(백신, 이동 제한, 의료자원 등) 평가 기반 마련 ② 데이터 허브 설계 - 국가·민간의 감염병 관련 데이터 자원 목록화 및 우선순위 정립 - 통합 데이터 레이크 구축(클라우드·API·표준 메타데이터 구조) - 품질관리·표준화(정합성·누락·중복·적시성 모니터링) - 공공·민간·학계·해외 기관과의 데이터 공유 체계 및 MOU 제안 ③ 앙상블 허브 설계 - 예측 제출 형식 표준화(CSV/JSON, 분위수 기반 불확실성 포함) - 모델 성능 평가 체계: MAE, RMSE, WIS, Coverage, Turning point 등 - 단순·가중·ML 기반 메타모델 등 다양한 앙상블 전략 설계 - 후향적·전향적 평가 기반 가중치 조정 방식 제안 4. 국내 감염병 연구자 네트워크 조사 결과 - 데이터 접근성 부족 및 비표준화가 가장 큰 문제 - 모델링 기법은 ML·딥러닝 활용 증가 - 시나리오 설계의 중앙화 필요성 높음 - 데이터 공유·협업 플랫폼 요구도가 가장 높음 - 교육 및 역량 강화(감염 역학, 데이터 분석 등) 필요 5. 결론 및 기대효과 한국형 Forecast Hub 구축은 - 감염병 예측 정확도를 향상시키고, - 국가 차원의 표준화된 예측 기반 정책결정을 가능하게 하며, - 연구자 간 협업과 데이터 공유를 체계화하여 - 미래 감염병 대응의 핵심 기반 인프라로 자리매김할 것이다.

1. Background and Need - The COVID-19 pandemic demonstrated the necessity of robust forecasting systems and close collaboration among government, academia, and research institutions. - Internationally, hub-and-spoke models integrate forecasts from multiple teams, evaluate model performance, and inform public health decisions. - In Korea, challenges such as limited data accessibility, lack of standardization, and difficulty in collaborative modeling highlight the need for a national forecasting infrastructure. 2. Methods - Comparative analysis of international Forecast Hub architectures and operational processes - Design of three core components: Scenario Hub, Data Hub, Ensemble Hub - National survey of infectious disease modelers (12 teams) and joint workshops with the Korea Disease Control and Prevention Agency (KDCA) 3. Key Findings ① Scenario Hub - Establishment of a national scenario framework incorporating epidemiological, social, behavioral, and environmental variables - Adoption of Best/Most likely/Worst-case structures used internationally - Simulation designs enabling policy evaluation (vaccination, mobility restrictions, healthcare capacity) ② Data Hub - Mapping of national and private-sector infectious disease data resources - Proposal for a centralized data lake (cloud-based, API-driven, standardized metadata) - Quality assurance framework (consistency, completeness, timeliness) - Recommendations for partnerships across public institutions, private companies, academia, and international organizations (ECDC, WHO) ③ Ensemble Hub - Standardized submission formats including probabilistic forecasts - Evaluation metrics: MAE, RMSE, WIS, coverage, peak detection - Ensemble strategies (simple, weighted, ML-based meta-models) - Dynamic weighting combining retrospective and prospective performance 4. National Researcher Network Insights - Major challenges: lack of standardized datasets and difficulty accessing data - Increased adoption of machine learning and deep learning - Strong demand for centrally coordinated scenario development - Need for shared platforms for data and code collaboration - Importance of training and capacity building (epidemiology, statistics, data science) 5. Conclusion The proposed Korean Forecast Hub will: - Improve forecasting accuracy, - Provide evidence-based support for national infectious disease policies, - Create a collaborative ecosystem for researchers and public health authorities, and - Establish essential infrastructure for future epidemic and pandemic preparedness.