[论文解读] Group Testing for COVID-19: How to Stop Worrying and Test More

Lakshmi N. Theagarajan|arXiv (Cornell University)|Apr 14, 2020

SARS-CoV-2 detection and testing参考文献 14被引用 21

一句话总结

本文提出使用qRT-PCR进行分组检测，可显著减少COVID-19诊断所需的检测次数，尤其在感染率低于33%时效果显著。通过将样本混合并应用NT、GBS和MST等算法，即使存在稀释效应，该方法仍能保持超过99%的高灵敏度，实现更快捷、更经济且可扩展的检测，单个检测池最多可包含57个样本。

ABSTRACT

The corona virus disease 2019 (COVID-19) caused by the novel corona virus has an exponential rate of infection. COVID-19 is particularly notorious as the onset of symptoms in infected patients are usually delayed and there exists a large number of asymptomatic carriers. In order to prevent overwhelming of medical facilities and large fatality rate, early stage testing and diagnosis are key requirements. In this article, we discuss the methodologies from the group testing literature and its relevance to COVID-19 diagnosis. Specifically, we investigate the efficiency of group testing using polymerase chain reaction (PCR) for COVID-19. Group testing is a method in which multiple samples are pooled together in groups and fewer tests are performed on these groups to discern all the infected samples. We study the effect of dilution due to pooling in group testing and show that group tests can perform well even in the presence of dilution effects. We present multiple group testing algorithms that could reduce the number of tests performed for COVID-19 diagnosis. We analyze the efficiency of these tests and provide insights on their practical relevance. With the use of algorithms described here, test plans can be developed that can enable testing centers to increase the number of diagnosis performed without increasing the number of PCR tests. The codes for generating test plans are available online at [1].

研究动机与目标

• 为应对大流行期间对可扩展、成本效益高且快速的COVID-19检测的迫切需求。
• 评估在存在稀释效应的实际环境中，使用qRT-PCR进行分组检测的可行性与效率。
• 开发实用的分组检测算法，在减少检测次数的同时保持高诊断准确性。
• 为临床和公共卫生环境中的分组检测实施提供指导方针及开源MATLAB代码。

提出的方法

• 将多个个体样本分组合并为单一检测，以更少的总检测次数识别感染者。
• 本文分析了分组引起的稀释效应，并表明在不损害检测准确性的情况下，最多可将57个样本合并为一组。
• 提出三种主要算法：NT（非自适应检测）、GBS（带边界的分组检测）和MST（多阶段检测），每种算法适用于不同的感染率条件。
• 利用先前的感染概率（α）和受感染样本的上界（D）来优化检测设计，减少假阴性结果。
• 通过重复检测提高准确性，而分组检测本身为受感染样本提供了内在重复，从而减少了对额外重复检测的需求。
• 预先计算查找表以高效实现实时NT算法，降低计算负载。

实验结果

研究问题

• RQ1 在样本分组且存在稀释效应的情况下，使用qRT-PCR的分组检测能否保持高灵敏度（≥99%）？
• RQ2 在不降低检测准确性的情况下，最多可将多少个样本合并为一组？
• RQ3 在不同感染率下，不同分组检测算法（NT、GBS、MST）的性能如何比较？
• RQ4 分组检测能否在保持诊断可靠性的同时减少所需的PCR总检测次数？
• RQ5 如何利用先前的感染概率（α）和受感染样本的上界（D）来优化分组检测策略？

主要发现

• 当感染率低于33%时，分组检测可将PCR检测次数最多减少60%，相比个体检测。
• 在5%的感染率下，检测16个样本仅需6次分组检测，而非16次个体检测，实现62.5%的减少。
• 对于最多57个样本的检测池，稀释效应不会损害检测准确性，支持大规模分组检测。
• 重复检测两次已足够实现高准确性，且分组检测本身提供内在重复，减少了对额外重复检测的需求。
• NT（非自适应检测）为受感染样本提供内在重复，无需额外检测即可提高可靠性。
• 最优分组检测策略取决于感染率：在较高感染率下，PGT（如NT）表现最佳；在较低感染率下，CGT（如GBS或MST）更优。