[论文解读] Community aware group testing

Pavlos Nikolopoulos, Tao Guo+3 more|arXiv (Cornell University)|Jul 16, 2020

SARS-CoV-2 detection and testing被引用 4

一句话总结

本文提出了一种社区感知的群组检测算法，利用已知的社区结构（如家庭或工作群体）来减少识别感染者所需的检测次数。通过设计考虑群体内感染相关性的自适应与非自适应检测策略，该方法在高流行率情形下显著节省检测次数，并通过一种新型的环状信念传播解码器提升了在噪声检测条件下的可靠性。

ABSTRACT

In this paper, we propose algorithms that leverage a known community structure to make group testing more efficient. We consider a population organized in disjoint communities: each individual participates in a community, and its infection probability depends on the community (s)he participates in. Use cases include families, students who participate in several classes, and workers who share common spaces. Group testing reduces the number of tests needed to identify the infected individuals by pooling diagnostic samples and testing them together. We show that if we design the testing strategy taking into account the community structure, we can significantly reduce the number of tests needed for adaptive and non-adaptive group testing, and can improve the reliability in cases where tests are noisy.

研究动机与目标

• 为解决传统群组检测在感染流行率较高（即 k 随 n 线性增长）情形下的低效问题。
• 利用已知的社区结构（如家庭或共用工作空间）中群体内感染传播的相关性。
• 通过将群体层面的感染模式整合到检测设计中，减少识别感染者所需的群组检测次数。
• 通过在解码过程中整合社区结构，特别是采用环状信念传播，提升在噪声检测环境下的可靠性。
• 证明社区感知策略在稀疏与线性感染情形下均优于标准群组检测方法。

提出的方法

• 提出一个检测次数的下限，其规模取决于感染家庭数（kf）而非感染个体数（k），以反映群体层面的相关性。
• 提出一种自适应算法，在特定参数范围内通过先检测整个家庭，再在感染家庭内应用群组检测，实现理论下限。
• 设计一种非自适应算法，使用社区感知检测矩阵（C-编码器），在可容忍较低假阳性率时减少检测次数。
• 设计一种通用的环状信念传播（LBP）解码器，通过在因子图中引入辅助节点（Vj）来整合社区结构，实现与任意检测矩阵的兼容性。
• 在非自适应设置中采用两阶段解码过程：首先使用类似 COMP 的解码器识别感染家庭，然后利用带有社区先验信息的 LBP 精炼个体水平的推断。
• 采用 Z 通道噪声模型模拟假阴性错误，并在检测噪声下评估性能，结果表明社区感知 LBP 显著降低了假阴性率。

实验结果

研究问题

• RQ1 在群组检测中利用社区结构是否能减少所需检测次数，特别是在感染流行率较高的情况下？
• RQ2 在社区感知群组检测中，感染家庭数（kf）与感染个体数（k）相比，作为检测复杂度的缩放参数，其表现如何？
• RQ3 在可容忍假阳性的情况下，社区感知编码的非自适应群组检测是否能实现比标准非自适应方法更低的错误率？
• RQ4 在噪声检测环境中，将社区结构整合到 LBP 解码器在多大程度上提升了可靠性？
• RQ5 在稀疏与线性感染情形下，社区感知群组检测与传统群组检测相比，性能表现如何？

主要发现

• 所提出的自适应算法在特定参数范围内实现了检测次数的理论下限，证明了在社区感知设计下的最优性。
• 在高流行率情形（p > 0.5）下，社区感知非自适应群组检测相比传统非自适应方法，错误率降低了最多 8.5%，且在更高流行率下差距进一步扩大。
• 带有社区结构的 LBP 解码器（C-LBP）在 p ≥ 0.6 且 T > 450 时实现接近零的假阳性和假阴性率，显著优于使用 C-编码器的 COMP 解码器（后者假阳性率饱和在 2%）。
• 在 Z 通道噪声（z=0.15）下，当检测次数较少时，社区感知 LBP 将假阴性率降低了最多 60%，显著提升了实际应用中的安全性。
• 在存在 5% 假阴性率的非对称线性情形下，算法 1 在 R=M 时将检测次数降低至概率下限的 1.19 倍，而基线二分查找算法（BSA）则为 6.19 倍，显示出极强的成本效率。
• 社区感知方法通过早期识别并剔除整个感染家庭，将原本的线性流行率问题转化为稀疏问题，从而降低有效感染个体数，使群组检测的优势得以充分发挥。