[논문 리뷰] Comparisons of Pooling Matrices for Pooled Testing of COVID-19.

Yi-Jheng Lin, Che-Hao Yu외 3명|arXiv (Cornell University)|2020. 09. 30.

SARS-CoV-2 detection and testing참고 문헌 20인용 수 4

한 줄 요약

이 논문은 코로나19 혼합 검사에 사용할 수 있는 새로운 풀링 행렬 가족인 유한 기하학 평면 내 선의 집합(PPoL)을 제안한다. 두 단계의 확정 결함자(DD) 복원 알고리즘을 사용하여 시뮬레이션한 결과, PPoL 행렬은 유병률에 따라 열의 무게를 동적으로 조정하여, 2D-풀링, P-BEST, Tapestry와 같은 고정형 행렬보다 다양한 유병률 수준(최대 5%)에서 성능이 뛰어나다.

ABSTRACT

In comparison with individual testing, group testing (also known as pooled testing) is more efficient in reducing the number of tests and potentially leading to tremendous cost reduction. As indicated in the recent article posted on the US FDA website, the group testing approach for COVID-19 has received a lot of interest lately. There are two key elements in a group testing technique: (i) the pooling matrix that directs samples to be pooled into groups, and (ii) the decoding algorithm that uses the group test results to reconstruct the status of each sample. In this paper, we propose a new family of pooling matrices from packing the pencil of lines (PPoL) in a finite projective plane. We compare their performance with various pooling matrices proposed in the literature, including 2D-pooling, P-BEST, and Tapestry, using the two-stage definite defectives (DD) decoding algorithm. By conducting extensive simulations for a range of prevalence rates up to 5%, our numerical results show that there is no pooling matrix with the lowest relative cost in the whole range of the prevalence rates. To optimize the performance, one should choose the right pooling matrix, depending on the prevalence rate. The family of PPoL matrices can dynamically adjust their column weights according to the prevalence rates and could be a better alternative than using a fixed pooling matrix.

연구 동기 및 목표

• 초기 단계의 코로나19 스크리닝과 같은 저유병률 환경에서 혼합 검사 효율을 최적화하는 데 도전하는 것.
• 고정된 구조에 의존하지 않고 다양한 유병률에 적응할 수 있는 유연한 풀링 행렬을 설계하는 것.
• 실제 검사 조건에서 기존 풀링 행렬과의 성능을 평가하고 비교하는 것.
• 열의 무게를 동적으로 조정함으로써 혼합 검사의 상대적 비용 효율성이 향상되는지 확인하는 것.

제안 방법

• 유한 기하학 평면 내 선의 집합(PPoL)의 기하학적 구조를 활용하여 균형 잡히고 효율적인 샘플 혼합을 보장하는 풀링 행렬을 구성하는 것.
• 추정된 유병률에 따라 조정 가능한 가변 열 무게를 가진 행렬을 설계하여 동적 적응을 가능하게 하는 것.
• 그룹 테스트 결과에서 개별 샘플 상태를 재구성하기 위해 두 단계의 확정 결함자(DD) 복원 알고리즘을 적용하는 것.
• PPoL 행렬을 사용하여 유병률 범위(최대 5%)에서 혼합 검사 성능을 시뮬레이션하고, 2D-풀링, P-BEST, Tapestry와 비교하는 것.
• 총 사용된 테스트 수를 테스트한 샘플 수로 나눈 비율인 상대적 비용을 근거로 성능을 평가하는 것.

실험 결과

연구 질문

• RQ1 다양한 유병률 수준에서 PPoL 기반 풀링 행렬이 기존의 고정형 풀링 행렬보다 낮은 상대적 비용을 달성할 수 있는가?
• RQ2 PPoL 행렬의 열 무게를 동적으로 조정함으로써 저유병률 상황에서 검사 효율성에 어떤 영향을 미치는가?
• RQ3 모든 유병률 수준에서 유일한 최적의 풀링 행렬이 존재하는가, 아니면 성능이 특정 유병률에 따라 달라지는가?
• RQ4 DD 복원 알고리즘 하에서 PPoL 행렬이 2D-풀링, P-BEST, Tapestry와 상대적 비용 측면에서 어떻게 비교되는가?

주요 결과

• 5% 이하의 모든 유병률 수준에서 최저의 상대적 비용을 달성하는 단일 풀링 행렬은 존재하지 않으며, 이는 행렬 선택이 유병률에 따라 달라져야 함을 시사한다.
• PPoL 행렬 가족은 유병률에 따라 열의 무게를 동적으로 조정하여 고정형 행렬보다 더 나은 성능 조정이 가능하다.
• 특정 유병률 범위에서 PPoL 행렬은 2D-풀링, P-BEST, Tapestry를 능가하며, 더 뛰어난 적응성과 효율성을 보여준다.
• 두 단계의 DD 복원 알고리즘이 PPoL 행렬과 함께 사용될 경우, 저유병률 환경에서 개별 샘플 상태를 높은 정확도로 재구성하는 데 효과적이다.
• 시뮬레이션 결과, 유병률이 사전에 알려지거나 추정될 경우 PPoL 행렬이 고정형 행렬보다 상대적 비용을 더 효과적으로 감소시킨다.