[論文レビュー] Error Correction Codes for COVID-19 Virus and Antibody Testing: Using Pooled Testing to Increase Test Reliability

Jirong Yi, Myung Cho+3 more|arXiv (Cornell University)|Jul 29, 2020

SARS-CoV-2 detection and testing参考文献 26被引用数 9

ひとこと要約

本論文は、誤り訂正符号化の原則を活用した新しいプールテストフレームワークを提案し、個々のテストが信頼できない場合でも、SARS-CoV-2および抗体検査の診断精度を向上させる。複数のプールにわたるサンプルの混合と冗長性による誤り訂正により、個別テストに比べて著しく低い偽陰性率および偽陽性率を達成し、テスト回数を増やさずに標準的手法を上回る性能を発揮する。

ABSTRACT

We consider a novel method to increase the reliability of COVID-19 virus or antibody tests by using specially designed pooled testings. Instead of testing nasal swab or blood samples from individual persons, we propose to test mixtures of samples from many individuals. The pooled sample testing method proposed in this paper also serves a different purpose: for increasing test reliability and providing accurate diagnoses even if the tests themselves are not very accurate. Our method uses ideas from compressed sensing and error-correction coding to correct for a certain number of errors in the test results. The intuition is that when each individual's sample is part of many pooled sample mixtures, the test results from all of the sample mixtures contain redundant information about each individual's diagnosis, which can be exploited to automatically correct for wrong test results in exactly the same way that error correction codes correct errors introduced in noisy communication channels. While such redundancy can also be achieved by simply testing each individual's sample multiple times, we present simulations and theoretical arguments that show that our method is significantly more efficient in increasing diagnostic accuracy. In contrast to group testing and compressed sensing which aim to reduce the number of required tests, this proposed error correction code idea purposefully uses pooled testing to increase test accuracy, and works not only in the "undersampling" regime, but also in the "oversampling" regime, where the number of tests is bigger than the number of subjects. The results in this paper run against traditional beliefs that, "even though pooled testing increased test capacity, pooled testings were less reliable than testing individuals separately."

研究の動機と目的

• 個々のテストの偽陽性または偽陰性率が高い場合に、大規模なSARS-CoV-2および抗体検査で信頼性の低い結果が生じるという課題に対処すること。
• テスト回数を増やさずに診断の信頼性を向上させる手法を開発し、従来の「プールテストは信頼性を低下させる」という考えを覆すこと。
• 通信システムにおける誤り訂正と同様に、個々の人物に対して複数のプールテストから得られる冗長情報を活用して誤りを是正すること。
• 個別テストを上回る正確性を示すプールテストが、個々の人物の数を超えるテスト回数（過剰サンプリング）の状況でも成立することを示すこと。

提案手法

• 各個人のサンプルが複数のプールに含まれる組み合わせ的プール設計を用い、テスト結果間に冗長な情報を生成する。
• 圧縮センシングおよび誤り訂正符号の原則を応用し、プールテストの結果から個々の診断を再構築する。テスト誤差を通信チャネル内のノイズとして扱う。
• テスト結果をスパース信号のノイズのある観測値としてモデル化し、感染している個体はバイナリーベクトルの非ゼロ成分として表す。
• プール構造を尊重しつつ誤差を最小化する最適化問題を解くことで、デコーディングアルゴリズムを用いて個々の感染状態を推定する。
• この手法はRT-qPCR、RT-LAMP、ELISAベースの検査法と互換性があり、ウイルス検査および血清学的検査の両方への広範な適用が可能である。
• 性能評価のため、変動するノイズレベル、スパarsityレベル（感染個体数）および外れ値誤差確率を用いたシミュレーションを実施する。

実験結果

リサーチクエスチョン

• RQ1 プールテストは、テスト回数の削減にとどまらず、信頼性の低い個別テストが存在する状況でも診断正確性を向上させることができるか？
• RQ2 テストノイズや誤差条件が変化する中で、プールテストと個別テストの偽陽性率および偽陰性率の性能を比較するとどうなるか？
• RQ3 誤り訂正符号化の原則をプールサンプル検査に適用することで、SARS-CoV-2および抗体検出における信頼性をどの程度向上できるか？
• RQ4 テスト回数が個々の人物の数を上回る（過剰サンプリング）状況下でも、提案手法は正確性を維持または向上させられるか？
• RQ5 個別テストの正確性が低い場合でも、この手法は偽陽性および偽陰性の両方を効果的に是正できるか？

主な発見

• すべてのテストノイズレベルおよびスパarsityレベルにおいて、プールテスト法は個別テストに比べて偽陰性率（FNR）が著しく低くなる。
• m ≥ n（mはテスト回数、nは個人の数）のすべての値において、プールテスト法は個別テストに比べて偽陽性率（FPR）が低くなる。
• 15％の外れ値誤差確率および最大2e0の高いノイズレベル下でも、プール法は個別テストに比べて著しく高い正確性を維持する。
• プール法のFNRおよびFPRは、テスト回数の増加に従って単調に減少し、より多くの測定値が得られればその分性能が向上することが示された。
• 対照的に、個別テストのFPRは、感染症を逃さないよう慎重な戦略を取るために繰り返しテストが増えると悪化する傾向にあり、個別テストの主要な限界を示している。
• FNRおよびFPRの両面で個別テストがプールテストを上回るシナリオは、すべてのシミュレーションで観察されなかった。これは、提案手法の優位性が強く、頑健であることを示している。