[論文レビュー] Noisy Adaptive Group Testing using Bayesian Sequential Experimental Design

Marco Cuturi, Olivier Teboul+3 more|arXiv (Cornell University)|Apr 26, 2020

SARS-CoV-2 detection and testing参考文献 46被引用数 16

ひとこと要約

本稿では、ノイズのある適応的グループテストにおけるベイジアン逐次実験設計手法を提案する。逐次モンテカルロ（SMC）を用いて事後感染状態を近似し、グリーディー最適化により情報量の多いグループを選択する。ベースラインと比較して、特にノイズのあるテスト条件下で低有病率設定において、検出効率と耐性の両面で優れた性能を発揮し、標準的なループなし信念伝搬デコーダーを上回る。

ABSTRACT

When the infection prevalence of a disease is low, Dorfman showed 80 years ago that testing groups of people can prove more efficient than testing people individually. Our goal in this paper is to propose new group testing algorithms that can operate in a noisy setting (tests can be mistaken) to decide adaptively (looking at past results) which groups to test next, with the goal to converge to a good detection, as quickly, and with as few tests as possible. We cast this problem as a Bayesian sequential experimental design problem. Using the posterior distribution of infection status vectors for $n$ patients, given observed tests carried out so far, we seek to form groups that have a maximal utility. We consider utilities such as mutual information, but also quantities that have a more direct relevance to testing, such as the AUC of the ROC curve of the test. Practically, the posterior distributions on $\{0,1\}^n$ are approximated by sequential Monte Carlo (SMC) samplers and the utility maximized by a greedy optimizer. Our procedures show in simulations significant improvements over both adaptive and non-adaptive baselines, and are far more efficient than individual tests when disease prevalence is low. Additionally, we show empirically that loopy belief propagation (LBP), widely regarded as the SoTA decoder to decide whether an individual is infected or not given previous tests, can be unreliable and exhibit oscillatory behavior. Our SMC decoder is more reliable, and can improve the performance of other group testing algorithms.

研究の動機と目的

• 低有病率の集団において、ノイズのあるテスト条件下でも効率的かつ正確に感染者を同定する課題に対処すること。
• 過去の結果と不確実性の定量化を活用して、動的に最適なテストグループを選択する適応的グループテスト戦略を開発すること。
• より信頼性の高いSMCベースの事後分布近似を導入することで、特にループなし信念伝搬デコーダーを改善すること。
• 現実的なテストノイズと感染率を想定した非漸近的・有限時間枠での性能を評価すること。
• 情報理論的および臨床的に関連性のある指標（例：AUC）が、グループテストの選択をどのように導くかを示すこと。

提案手法

• グループテストを、将来のテスト結果の期待利得を最大化するようにグループ選択を行うベイジアン逐次実験設計問題として定式化する。
• 2つの利得関数を用いる：相互情報量（MIMAX）と受信器操作特性曲線のAUC（AUCMAX）、両者ともグリーディー前向き・後向き選択により最適化する。
• n人の個体の感染状態に関する事後分布を、ギブスMCMCカーネルを用いた逐次モンテカルロ（SMC）サンプラーで近似する。
• SMCサンプラーは、可能な感染状態を表す重み付きパーティクルの集合を維持し、各テスト結果の後で更新する。
• 推論プロセスに、感染有病率とテストノイズ（感度σ、特異度s）の既知の事前分布を統合する。
• 現在の事後分布に基づき、期待利得が最大となるテスト結果が得られるように、次回のグループ選択をグリーディー最適化で行う。

実験結果

リサーチクエスチョン

• RQ1 既存手法と比較して、ベイジアン逐次実験設計フレームワークは、ノイズのある適応的グループテストにおける検出効率を向上させることができるか？
• RQ2 相互情報量やAUCといった利得関数は、実世界のテスト状況においてグループ選択をどのように導くか？また、その性能はどのように比較されるか？
• RQ3 信頼性と性能の観点から、ループなし信念伝搬と比較して、SMCベースの事後分布近似はどの程度優れているか？
• RQ4 感染有病率やテストノイズパラメータの誤設定に対して、提案されたグループテスト方針はどの程度耐性を示すか？
• RQ5 現実的なテストノイズを想定した非漸近的・有限集団設定下で、提案手法はどの程度の性能向上を達成するか？

主な発見

• 提案されたG-AUCMAXおよびG-MIMAX方針は、特に低有病率条件下で、非適応的および適応的ベースラインと比較して、検出精度とテスト効率の両面で顕著に優れている。
• SMCベースのデコーダーは、ノイズのある条件下で振動的行動を示し、信頼性の低い推論を行うことがあるループなし信念伝搬を常に上回る。
• 10%の感染有病率を想定したシミュレーションでは、個別テストに比べてはるかに少ないテスト回数でほぼ最適な検出が達成され、一部のシナリオでテスト回数を最大80%まで削減した。
• AUCに基づく利得（G-AUCMAX）は、診断性能指標を直接最適化するため、臨床意思決定ニーズとより強く整合している。
• 感染率および感度の誤設定に対しても、高い特異度と感度を維持するなど、高い耐性を示した。
• k=1の設定（1サイクルあたり1回のテスト）では、G-MIMAX方針は高い特異度を維持し、偽陽性を最小限に抑えつつ、段階的に陽性者を同定することができ、ドーファーマン型ベースラインを上回った。