[論文レビュー] Practical High-Throughput, Non-Adaptive and Noise-Robust SARS-CoV-2 Testing.

Hendrik Bernd Petersen, Bubacarr Bah+1 more|arXiv (Cornell University)|Jul 17, 2020

SARS-CoV-2 detection and testing参考文献 21被引用数 10

ひとこと要約

本論文は、ノイズに強く、チューニング不要なアルゴリズムであるNNLADを用いた、非適応的で高スループットなSARS-CoV-2検査法を提案する。従来の最先端のグループテストよりも少ない検査回数で優れた検出精度を達成するとともに、まれに発生する誤りを是正できるため、パンデミック時の大規模スクリーニングに最適である。

ABSTRACT

We propose a compressed sensing-based testing approach with a practical measurement design and a tuning-free and noise-robust algorithm for detecting infected persons. Compressed sensing results can be used to provably detect a small number of infected persons among a possibly large number of people. There are several advantages of this method compared to classical group testing. Firstly, it is non-adaptive and thus possibly faster to perform than adaptive methods which is crucial in exponentially growing pandemic phases. Secondly, due to nonnegativity of measurements and an appropriate noise model, the compressed sensing problem can be solved with the non-negative least absolute deviation regression (NNLAD) algorithm. This convex tuning-free program requires the same number of tests as current state of the art group testing methods. Empirically it performs significantly better than theoretically guaranteed, and thus the high-throughput, reducing the number of tests to a fraction compared to other methods. Further, numerical evidence suggests that our method can correct sparsely occurring errors.

研究の動機と目的

• パンデミックの増加期において、実用的で非適応的な高スループットのSARS-CoV-2スクリーニング戦略を開発すること。
• 反復的なステップを必要とせず、大規模な集団を一度にテストできるように、適応的グループテストの限界を克服すること。
• 現実の検査環境における測定ノイズやまれに発生する誤りに対して、耐性を持つこと。
• 現在の最先端のグループテストと同等のテスト回数を維持しつつ、実験的に顕著に向上した検出性能を達成すること。

提案手法

• 本手法は、大規模集団における非適応的テストを可能にする実用的な測定設計を用いた圧縮センシングを採用する。
• 非負の最小絶対偏差回帰（NNLAD）を用い、調整不要でノイズに強い凸最適化プログラムを実装する。
• 測定モデルは非負性を強制し、現実的なノイズモデルを組み込むことで、現実の状況における信頼性を向上させる。
• 圧縮センシングの理論的保証を活用し、大規模なグループの中から少数の感染者を確実に検出できることを保証する。
• アルゴリズムはスパースな誤りを処理できるように設計されており、数値的証拠からその誤り補正効果が有効であると示唆されている。
• 現在の最先端のグループテスト手法と同等のテスト回数を要するが、実際の性能ではそれを上回っている。

実験結果

リサーチクエスチョン

• RQ1 非適応的圧縮センシングアプローチは、グループテストと比較して、テスト回数を削減しつつ高スループットなSARS-CoV-2検査を達成できるか？
• RQ2 NNLADアルゴリズムは、現実の検査状況における測定ノイズやまれに発生する誤りに対してどれほど耐性があるか？
• RQ3 提案手法は、理論的保証を上回る実用的性能をどの程度達成できるか？
• RQ4 非負の測定値を伴う現実のウイルススクリーニングに、チューニング不要な凸最適化手法（例：NNLAD）を効果的に適用できるか？

主な発見

• 提案手法は理論的保証をはるかに上回る顕著な実験的性能を達成し、他の手法と比較して必要なテスト回数を大幅に削減できる。
• NNLADアルゴリズムはチューニング不要でノイズに強く、複雑なパrameterキャリブレーションなしに実装可能である。
• 数値的証拠から、本手法はまれに発生する誤りを是正できることを示しており、不完全な検査環境下での信頼性が向上する。
• 現在の最先端のグループテストと同等のテスト回数を維持しながら、実際の検出精度が顕著に優れている。
• 非適応的特性により、テストサイクルが高速化され、急速に広がるパンデミック期において極めて重要である。