[논문 리뷰] Low-Cost and High-Throughput Testing of COVID-19 Viruses and Antibodies via Compressed Sensing: System Concepts and Computational Experiments

Jirong Yi, Raghu Mudumbai외 1명|arXiv (Cornell University)|2020. 04. 13.

SARS-CoV-2 detection and testing참고 문헌 33인용 수 20

한 줄 요약

이 논문은 희박한 신호 복원을 통해 풀링된 샘플에서 압축 감지 기반 시스템을 제안하여 저비용으로 고속도로 SARS-CoV-2 바이러스 및 항체를 검출한다. 확장자 그래프 기반 측정 행렬을 활용하며, 감염률 8.7%일 경우 최대 3배의 처리 속도 향상을 보이고, 1% 유병률일 경우 10배 이상의 향상을 기록한다. 노이즈 조건에서도 높은 정확도를 유지하면서 필요한 검사 수를 크게 줄였다.

ABSTRACT

Coronavirus disease 2019 (COVID-19) is an ongoing pandemic infectious disease outbreak that has significantly harmed and threatened the health and lives of millions or even billions of people. COVID-19 has also negatively impacted the social and economic activities of many countries significantly. With no approved vaccine available at this moment, extensive testing of COVID-19 viruses in people are essential for disease diagnosis, virus spread confinement, contact tracing, and determining right conditions for people to return to normal economic activities. Identifying people who have antibodies for COVID-19 can also help select persons who are suitable for undertaking certain essential activities or returning to workforce. However, the throughputs of current testing technologies for COVID-19 viruses and antibodies are often quite limited, which are not sufficient for dealing with COVID-19 viruses' anticipated fast oscillating waves of spread affecting a significant portion of the earth's population. In this paper, we propose to use compressed sensing (group testing can be seen as a special case of compressed sensing when it is applied to COVID-19 detection) to achieve high-throughput rapid testing of COVID-19 viruses and antibodies, which can potentially provide tens or even more folds of speedup compared with current testing technologies. The proposed compressed sensing system for high-throughput testing can utilize expander graph based compressed sensing matrices developed by us \cite{Weiyuexpander2007}.

연구 동기 및 목표

• 제한된 검사 능력과 시약 부족으로 인해 대규모 SARS-CoV-2 검사에서 발생하는 핵심적 제약 요인을 해결하기 위해.
• 기존의 개별 또는 군집 검사 방식이 아닌 압축 감지를 활용하여 검사 처리 능력을 향상시키고 비용을 절감하기 위해.
• 희박한 신호 복원을 통한 풀링된 샘플의 정량적 측정치를 이용해 바이러스 RNA 및 항체를 고정밀도로 검출할 수 있도록 하기 위해.
• 노이즈 및 다양한 유병률 조건에서 압축 감지의 성능을 실제 조건과 유사하게 평가하기 위해.
• 노이즈가 있는 측정치 조건에서도 개별 검사 대비 최대 3배 이상의 처리 속도 향상을 달성할 수 있음을 입증하기 위해.

제안 방법

• 비적응형 압축 감지를 사용하며, 이진 또는 실수값 측정 행렬을 활용해 다수의 샘플을 동시에 풀링하고 검사한다.
• 희박한 신호를 저비용으로 안정적으로 복원하기 위해 확장자 그래프 기반 감지 행렬을 적용한다.
• 모집단 내 바이러스 부하 또는 항체 수준을 희박한 벡터로 모델링하며, 이는 감염자 또는 혈액형 양성자 수가 매우 적다는 가정이다.
• 신호 복원은 볼록 최적화(예: 기저 추적) 또는 가능한 지지 집합에 대한 전수 검색을 통해 감염자 식별을 수행한다.
• 노이즈에 대한 내성을 평가하기 위해 측정값에 크기 10⁻³의 무작위 편향을 추가하여 노이즈 측정치를 시뮬레이션한다.
• 성능 평가에는 가짜 양성률, 가짜 음성률, 복원 오차 등의 지표를 사용하며, 다수의 시행에 걸쳐 평균화된 결과를 도출한다.

실험 결과

연구 질문

• RQ1 압축 감지 기반 방법이 기존의 개별 또는 군집 검사 방식보다 SARS-CoV-2 검사에서 유의미하게 높은 처리 속도를 달성할 수 있는가?
• RQ2 감염 유병률, 샘플 수, 측정 노이즈의 변화에 따라 압축 감지의 성능은 어떻게 변하는가?
• RQ3 감염자 검출 정확도를 유지하면서 얼마나 많은 검사 수를 줄일 수 있는가?
• RQ4 베르누이 랜덤 행렬과 확장자 그래프 기반 행렬 간의 차이는 노이즈 조건에서 복원 성능에 어떤 영향을 미치는가?
• RQ5 고정된 측정 수(예: PCR 런당 96 well)로 한정된 조건에서 신뢰할 수 있는 검사를 수행할 수 있는 최대 모집단 규모는 얼마인가?

주요 결과

• 96회의 측정으로 감염률 8.7%일 경우 최대 300명 이내의 집단에서 모든 감염자를 신뢰성 있게 탐지할 수 있으며, 이로 인해 3배의 처리 속도 향상을 달성한다.
• 1%의 감염률일 경우 압축 감지 기반 시스템은 개별 검사 대비 10배 이상의 처리 속도 향상을 기록한다.
• n=40, k=2 조건에서 오직 10회의 측정만으로도 크기 10⁻³의 노이즈 조건에서도 가짜 양성 및 가짜 음성률이 실질적으로 0에 수렴한다.
• 확장자 기반 행렬과 베르누이 랜덤 행렬은 복원 정확도 및 노이즈에 대한 내성 면에서 유사한 성능을 보였다.
• 8.7%의 유병률에서 n ≤ 300 범위 내에서 낮은 가짜 양성 및 가짜 음성률을 유지함으로써 실용적 적용 가능성의 강도를 입증한다.
• 압축 감지에서 실수값 정량 측정을 활용함으로써 이진 군집 검사 대비 더 높은 내성과 정확도를 확보할 수 있으며, 특히 노이즈 조건에서 유리하다.