[論文レビュー] A Compressed Sensing Approach to Group-testing for COVID-19 Detection

Sabyasachi Ghosh, Rishi Agarwal+9 more|arXiv (Cornell University)|May 16, 2020

SARS-CoV-2 detection and testing被引用数 28

ひとこと要約

Tapestry は、定量的 PCR を用いた SARS-CoV-2 検出に圧縮感知に基づくプールテスト法を適用し、1ラウンドのテストで個々のウイルス量推定を可能にする。10%の有病率でも、偽陽性および偽陰性率が低く、確認試験を要せず、検査時間と試薬の使用量を削減できる。最大 $ k = O(t / \log n) $ 個の感染サンプルを同定可能である。

ABSTRACT

We propose Tapestry, a novel approach to pooled testing with application to COVID-19 testing with quantitative Polymerase Chain Reaction (PCR) that can result in shorter testing time and conservation of reagents and testing kits. Tapestry combines ideas from compressed sensing and combinatorial group testing with a novel noise model for PCR. Unlike Boolean group testing algorithms, the input is a quantitative readout from each test, and the output is a list of viral loads for each sample. While other pooling techniques require a second confirmatory assay, Tapestry obtains individual sample-level results in a single round of testing. When testing $n$ samples with $t$ tests, as many as $k= O(t / \log n)$ infected samples can be identified at clinically-acceptable false positive and false negative rates. This makes Tapestry viable even at prevalence rates as high as 10\%. Tapestry has been validated in simulations as well as in wet lab experiments with oligomers. Clinical trials with Covid-19 samples are underway. An accompanying Android application Byom Smart Testing which makes the Tapestry protocol straightforward to implement in testing centres is available for free download.

研究の動機と目的

• SARS-CoV-2 のスケーラブルで効率的なプールテスト法を開発し、検査時間を短縮し、試薬を節約すること。
• 定量的 PCR の測定結果を活用して、プール化されたサンプルから個々のウイルス量を推定し、確認試験を不要にする。
• 10%などの高い有病率であっても、偽陽性および偽陰性率を低く維持すること。
• 実臨床現場でのテスト環境に適した実用的で実装可能なプロトコルを設計すること。
• シミュレーション、オリゴマーを用いた実験室実験、および本物の SARS-CoV-2 サンプルを用いた継続中の臨床試験を通じて、手法を検証すること。

提案手法

• Tapestry は、圧縮感知と組み合わせたグループテストの原則に加え、定量的 PCR アッセイに特化した新たなノイズモデルを統合している。
• 複数の個別サンプルを1つのテストにまとめるためのプーリング行列を用い、PCR の定量的出力を活用して個々のウイルス量を推定する。
• PCR のノイズをウイルス量とプール効果の関数としてモデル化し、個々のサンプルの結果を頑健に再構築可能にする。
• プールテスト結果から個々のウイルス量を推定するための最適化問題を解く再構築アルゴリズムを採用している。
• このアプローチでは、$ t $ 個のプールテストを用いて、$ n $ 個のサンプルのうち最大 $ k = O(t / \log n) $ 個の感染サンプルを同定可能である。
• 臨床現場でのプロトコル実装を容易にするために、Android アプリ「Byom Smart Testing」を提供している。

実験結果

リサーチクエスチョン

• RQ1 圧縮感知アプローチを、定量的 PCR を用いたプールテストに応用することで、1ラウンドで個々の診断が可能になるか？
• RQ2 この手法を用いて、臨床的に許容可能な誤差率で信頼性を持って同定可能な感染サンプルの最大数は何か？
• RQ3 本研究で提案するプールテストにおける PCR ノイズモデルは、標準的なブール型グループテストと比較して、再構築精度をどのように向上させるか？
• RQ4 確認試験を要せず、10%などの高い有病率でも、この手法の性能を維持できるか？
• RQ5 臨床ラボを含む実世界のテスト環境において、この手法はどの程度スケーラブルで実用的か？

主な発見

• Tapestry は、1ラウンドのテストでプール化されたサンプルから個々のウイルス量を推定でき、確認試験の必要を排除する。
• この手法では、10%の有病率でも、$ k = O(t / \log n) $ 個の感染サンプルを同定可能であり、実用的である。
• 臨床的妥当性は、本物の SARS-CoV-2 サンプルを用いた継続中の臨床試験を通じて検証されており、シミュレーションおよびオリゴマーを用いた実験室実験でも妥当性が確認されている。
• 複数のサンプルを1回のテストにプールすることで、検査時間の大幅な短縮と試薬・テストキットの節約が可能になる。
• 本手法で提案された新しい PCR ノイズモデルは、プール化された定量的測定結果から個々のウイルス量を再構築する際の精度を向上させる。
• オープンソースの Android アプリ「Byom Smart Testing」が提供されており、テストセンターでのリアルタイム実装を支援する。