[論文レビュー] On Accelerated Testing for COVID-19 Using Group Testing

Krishna R. Narayanan, Anoosheh Heidarzadeh+1 more|arXiv (Cornell University)|Apr 9, 2020

SARS-CoV-2 detection and testing参考文献 12被引用数 7

ひとこと要約

本論文は、複数のサンプルをプールして統計的仮説検定を用いて感染率を分類することで、SARS-CoV-2の検査を高速化するグループテストフレームワークを提案する。80%の実用的感度を想定しても、検出率（≥95%）は高く、誤検出率（≤5%）は低く保たれ、個別検査と比較して最大90%の検査回数削減が可能であり、特に感染率が低い状況で顕著な効果を示す。

ABSTRACT

COVID-19 has resulted in a global health crisis that may become even more acute over the upcoming months. One of the main reasons behind the current rapid growth of COVID-19 in the U.S. population is the limited availability of testing kits and the relatively-high cost of screening tests. In this draft, we demonstrate the effectiveness of group testing (pooling) ideas to accelerate testing for COVID-19. This draft is semi-tutorial in nature and is written for a broad audience with interest in mathematical formulations relevant to COVID-19 testing. Therefore, ideas are presented through illustrative examples rather than through purely theoretical formulations. The focus is also on pools of size less than 64 such as what is practical with current RT-PCR technology.

研究の動機と目的

• 試薬の限界と高コストによる大規模なSARS-CoV-2検査の主要なボトル neck を解消すること。
• 合算による検査回数を最小限に抑えつつ高い正確性を維持する、スケーラブルで実用的なグループテスト戦略を開発すること。
• プール化されたサンプルの統計的仮説検定を用いて、感染率を迅速に集団レベルでスクリーニングすること。
• 実際の誤検出率（20%）を想定したノイズのあるテスト条件下でも、手法のロバストネスを評価すること。
• プールサイズとサブプール数を最適化し、検査回数削減、検出力、誤検出率のバランスを取ること。

提案手法

• 事前検査結果に基づいた適応的プール形成を用いたマルチステージグループテストを採用し、合計検査回数を最小化する。
• 実用的（RT-PCRに適した）に最大64のプールサイズを設定し、複数ラウンドにわたりサブプールをテストすることで、感染個体を効率的に同定する。
• プール化されたサンプルのテスト結果を用いて、統計的仮説検定により集団の感染率を「低」（H₀）または「高」（H₁）に分類する。
• 感度ρ（例：80%または100%）を用いてテストノイズをモデル化し、誤検出率を模擬してロバストネスを評価する。
• サブプールのテスト結果に対してしきい値ベースの意思決定ルール（V）を適用し、低発症率と高発症率の集団を区別する。
• モンテカルロシミュレーションを用いて、さまざまなN、L、ρの値に対して期待検査回数E[Γ]および性能指標（P_D、P_F）を計算する。

実験結果

リサーチクエスチョン

• RQ1 グループテストは、高い検出率と低い誤検出率を維持しながら、集団スクリーニングに必要なSARS-CoV-2検査回数を削減できるか？
• RQ2 感度（例：80%対100%）が、グループテストによる感染率分類性能にどのように影響するか？
• RQ3 どのプールサイズとサブプール数が、検査回数削減、信頼性の高い検出、誤検出率の制御を最適に実現するか？
• RQ4 マルチステージグループテストは、低発症率（p₀ = 0.005–0.01）と高発症率（p₁ = 0.01–0.05）の集団をどれほど効果的に区別できるか？
• RQ5 20%の誤検出率を想定した現実的なテストノイズ下でも、グループテストは有効に機能するか？

主な発見

• p₀ = 0.01、p₁ = 0.05、N = 448、L = 28の場合、100%のテスト感度で99.9%の検出率（P_D）と4.6%の誤検出率（P_F）を達成。
• テスト感度が80%に低下しても、同じ条件下で99.1%の検出率と4.1%の誤検出率を達成し、強いロバストネスを示す。
• p₀ = 0.005、p₁ = 0.01、N = 4736、L = 296の場合、80%感度で96.4%の検出率と4.6%の誤検出率を達成し、極めて低い発症率でも有効であることが示された。
• NとLが大きい場合、感度が低下してもE[Γ]の相対的増加は小さくなるため、ノイズ下でもスケーラビリティが保証される。
• p₀とp₁が近い場合（例：0.005対0.01）には、十分な検出力を得るためにより大きなプールサイズ（例：N = 4736）が必要であることが確認され、差が小さい状況ではより大規模なサンプリングの必要性が裏付けられた。
• 感度ρが低下する際には、P_DとP_Fを同等に保つためにしきい値Vを低下させる必要があるが、これによりE[Γ]は増加する。ただし、NとLが大きい場合には相対的コスト増加は小さくなる。