[論文レビュー] Community aware group testing

Pavlos Nikolopoulos, Tao Guo+3 more|arXiv (Cornell University)|Jul 16, 2020

SARS-CoV-2 detection and testing被引用数 4

ひとこと要約

本稿では、家族や職場グループなどの既知のコミュニティ構造を活用して、感染している個体を特定するためのテスト回数を削減するコミュニティに配慮したグループテストアルゴリズムを提案する。感染がグループ内ですでに相関していることを考慮した適応的および非適応的テスト戦略を設計することで、特に感染率が高い状況において顕著なテスト削減が達成され、また、新規のループ付きベイズ確率推論デコーダーを用いることで、ノイズのあるテスト環境下でも信頼性が向上する。

ABSTRACT

In this paper, we propose algorithms that leverage a known community structure to make group testing more efficient. We consider a population organized in disjoint communities: each individual participates in a community, and its infection probability depends on the community (s)he participates in. Use cases include families, students who participate in several classes, and workers who share common spaces. Group testing reduces the number of tests needed to identify the infected individuals by pooling diagnostic samples and testing them together. We show that if we design the testing strategy taking into account the community structure, we can significantly reduce the number of tests needed for adaptive and non-adaptive group testing, and can improve the reliability in cases where tests are noisy.

研究の動機と目的

• k が n と線形に増加する高感染率状況において、従来のグループテストが非効率であるという問題に対処すること。
• 感染がグループ内ですでに相関している、家族や共同作業スペースなどの既知のコミュニティ構造を活用すること。
• コミュニティレベルでの感染パターンをテスト設計に組み込むことで、感染している個体を特定するためのグループテスト回数を削減すること。
• とくにループ付きベイズ確率推論（LBP）を用いることで、コミュニティ構造をデコーディングに組み込むことにより、ノイズのあるテスト環境下での信頼性を向上させること。
• コミュニティに配慮した戦略が、スパarsな状況と線形の感染状況の両方において、従来のグループテストを上回ることを示すこと。

提案手法

• 感染家族数（kf）に比例するようにスケーリングされるテスト回数の下界を提示し、個体数（k）ではなくコミュニティレベルの相関を反映する。
• 最初に全家族をテストし、次に感染家族内でグループテストを適用することで、特定のパrameter領域で理論的下界に達する適応的アルゴリズムを導入する。
• 小さな偽陽性率を許容できる場合にテスト回数を削減できる、コミュニティに配慮したテスト行列（C-エンコーダ）を用いた非適応的アルゴリズムを提案する。
• 因子グラフに補助ノード（Vj）を導入することで、コミュニティ構造を組み込むことのできる汎用的なループ付きベイズ確率推論（LBP）デコーダーを設計する。このデコーダーは任意のテスト行列と互換性を持つ。
• 非適応的状況では2段階のデコーディングプロセスを採用する：まずCOMPに類似したデコーダーで感染家族を特定し、次にコミュニティ事前分布を用いたLBPで個体レベルの推定を精緻化する。
• 偽陰性エラーを模擬するZチャネルノイズモデルを用い、テストノイズ下での性能を評価。コミュニティに配慮したLBPは、特にテスト回数が少ない場合に偽陰性率を最大60％まで低減することが示された。

実験結果

リサーチクエスチョン

• RQ1 グループテストにおいてコミュニティ構造を活用することで、感染率が高い状況においてもテスト回数を削減できるか？
• RQ2 コミュニティに配慮したグループテストにおいて、テストの複雑さのスケーリングパラメータとして、感染家族数（kf）と感染個体数（k）の関係はいかなるものか？
• RQ3 偽陽性を許容できる場合に、コミュニティに配慮した符号化を用いた非適応的グループテストは、従来の非適応的手法よりも誤り率を低くできるか？
• RQ4 LBPデコーダーにコミュニティ構造を組み込むことで、ノイズのあるテスト環境下での信頼性はどの程度向上するか？
• RQ5 コミュニティに配慮したグループテストは、スパarsな状況と線形の感染状況の両方において、従来のグループテストと比較してどの程度優れているか？

主な発見

• 提案された適応的アルゴリズムは、特定のパrameter領域において理論的下界に達し、コミュニティに配慮した設計下での最適性を示している。
• 線形感染状況（p > 0.5）では、コミュニティに配慮した非適応的グループテストが、従来の非適応的手法と比較して誤り率を最大8.5％まで低減し、感染率が高くなるほど差が拡大する。
• コミュニティ構造を組み込んだLBPデコーダー（C-LBP）は、p ≥ 0.6 かつ T > 450 の条件下で偽陽性・偽陰性率がほぼゼロに近づき、C-エンコーダーとCOMPデコーダーの組み合わせ（偽陽性率が2％で飽和）を大きく上回る性能を示した。
• Zチャネル（z=0.15）を用いたノイズのあるテスト環境下では、テスト回数が少ない場合にコミュニティに配慮したLBPが偽陰性率を最大60％まで低減し、実用的応用における安全性が著しく向上した。
• 5％の偽陰性を持つ非対称な線形状況下で、R=M とするAlgorithm 1は、確率的下界の1.19倍のテスト回数にまで削減された。一方、ベースラインのバイナリスプリットアルゴリズム（BSA）は6.19倍であったため、コスト効率が顕著に向上した。
• コミュニティに配慮したアプローチにより、感染家族を早期に特定・除外することで、線形状態の問題がスパース状態に変換され、実効的な感染個体数が削減され、グループテストの利点が活かしやすくなった。