정확한 전염병 예측은 공중보건 대응, 자원 배분, 발병 개입에 필수적이지만 희소하고 노이즈가 많으며 비정상적인 데이터로 인해 여전히 어렵습니다. 전염병이 상호작용하는 지역을 통해 전개되므로 공간시간적 방법은 예측 개선의 자연스러운 후보입니다. 공간 정보에 대한 관심이 증가했음에도 불구하고 표준화된 벤치마크는 존재하지 않으며, 현재 평가는 실제 실시간 예측 관행을 반영하지 않는 단순한 시간 순서 훈련-테스트 분할을 주로 사용합니다. 우리는 SpatialEpiBench를 통해 공중보건 환경에서 현실적인 공간시간적 전염병 예측에 도전하는 벤치마크를 제시합니다. SpatialEpiBench는 표준화된 롤링 평가와 발병 특화 지표를 포함한 11 개의 전염병 데이터셋을 포함합니다. 우리는 널리 사용되는 전염병 사전 (epidemic priors) 을 적용하여 일반 모델을 역학에 맞게 조정하는 인접 정보 기반 예측 모델을 평가했으나, 대부분의 방법은 1 일에서 1 개월까지의 단순 마지막 값 기준선보다 성능이 낮았으며, 이는 발병 기간과 이러한 사전이 사용되더라도 마찬가지입니다. 우리는 세 가지 주요 실패 모드를 식별했습니다: (1) 발병 예견 능력 부족, (2) 희소성과 노이즈 처리 어려움, (3) 역학 공간 정보에 대한 일반적인 지리적 인접성의 제한된 유용성. 우리는 운영적으로 유용한 전염병 예측 모델 개발을 지원하기 위해 벤치마크 데이터, 코드, 지침을 https://github.com/Rachel-Lyu/SpatialEpiBench 에 공개했습니다.