Digitaalisen testin tarkkuuden testaus COVID-19-diagnoosissa

Covid-19-viruspandemia on aiheuttanut merkittäviä maailmanlaajuisia menetyksiä ja häiriöitä kaikille yhteiskunnan osa-alueille (mukaan lukien terveydenhuolto, koulutus sekä liike-elämän ja talouden turvallisuus). Yksi suurimmista vaikeuksista tämän koronaviruksen leviämisen hillitsemisessä on ollut viivästynyt ja lievä (tai puuttuva) oireiden ilmaantuminen tartunnan saaneilla henkilöillä. Lisäksi Isossa-Britanniassa ei ole riittävästi Covid-19-testauskapasiteettia, ja tällaisten testien tarkkuus on vain kohtalainen koronavirustartunnan vahvistamisessa. Yhdessä nämä esteet ovat johtaneet siihen, että lukemattomia tuntemattomia koronavirustapauksia jää havaitsematta ja ruokkii viruksen leviämistä väestössä vaarantamalla tartunnan saaneiden henkilöiden itseeristystoimenpiteiden tiukkuuden, koska he ovat muutoin hillinneet tai estäneet viruksen leviämisen. Covid-19:n jatkuvan etenemisen syvällinen ja laajalle levinnyt kustannukset, jotka ovat samaan aikaan testauskapasiteetin puutteen kanssa, oikeuttavat sellaisten vaihtoehtoisten diagnostisten työkalujen kehittämisen, jotka arvioivat luotettavasti Covid-19-tartunnan tartunnan alkuvaiheessa ja ovat samalla edullisia ja edullisia. -taakka, ja se on helppo antaa suurelle osalle väestöstä.

Terveysteknologian startup Zoe Global Ltd lanseerasi maksuttoman oireidenseurantasovelluksen Covid Symptom Study maaliskuun puolivälissä, ja se on tällä hetkellä käytössä Isossa-Britanniassa, Yhdysvalloissa ja Ruotsissa, ja sillä on yli 2,7 miljoonaa käyttäjää pelkästään Isossa-Britanniassa. jotka käyttävät sovellusta ilmoittaakseen itse Covid-19-oireistaan. Rekisteröityessään sovelluksen käyttäjäksi käyttäjiä pyydetään raportoimaan demografiset ja fenotyyppiset tiedot, kuten ikä, sukupuoli, BMI, etnisyys, kontaktit tartunnan saaneisiin henkilöihin (terveydenhuollon ammattilaisen kautta), tupakointikäyttäytyminen, olemassa olevat terveydentilat jne. Tästä eteenpäin käyttäjiä pyydetään raportoimaan päivittäin Covid-19:stä (tai sen puutteesta) johtuvista oireistaan ​​käyttämällä sovellushallinnoituja kyselylomakkeita, mikä mahdollistaa taudin etenemisen reaaliaikaisen seurannan kaikkialla Yhdistyneessä kuningaskunnassa. . Sovelluksen avulla käyttäjät voivat myös raportoida Covid-19-testituloksensa, mikä mahdollistaa ennustealgoritmien kehittämisen, jotka perustuvat yksinomaan itse ilmoittamiin käyttäjätietoihin, jotta voidaan ennustaa tartunnan esiintyminen testaamattomissa käyttäjissä.

Ison-Britannian terveys- ja sosiaaliministeriö on Zoe Global Ltd:n puolesta sitoutunut testaamaan jopa 10 000 sovelluksen käyttäjää viikossa SARS-CoV-2-tartunnan varalta Englannissa ja Pohjois-Irlannissa. tarkoituksena parantaa nopeasti oirepohjaisten ennusteiden tarkkuutta. Skotlannissa ja Walesissa voi seurata samanlainen testausmäärä.

Oireisia sovellusten käyttäjiä pyydetään testaamaan SARS-CoV-2-infektion varalta suositulla vanupuikko- ja qRT-PCR-tekniikalla, ja heitä pyydetään raportoimaan testituloksensa sovelluksessa ja jatkamaan oireiden kirjaamista.

Tämä King's Collegessa Lontoossa suoritettu validointitutkimus pyrkii validoimaan koneoppimismallien herkkyyden ja spesifisyyden diagnostisena työkaluna, joka ennustaa SARS-CoV-2-tartunnan sovellusten raportoimien oireiden ja fenotyyppitietojen perusteella "kultastandardia vastaan". ' vanupuikko PCR-testi käyttämällä Covid Symptom Study -sovellusta tutkimusalustana.

Oletuksena on, että kouluttamalla oirepohjaisia ​​malleja vanupuikkotestituloksilla ja useiden mallien iteraatioiden avulla raportoivien ja testattujen sovellusten käyttäjien jatkuvan tiedonsyötön jälkeen infektioennusteet tehdään huomattavan tarkasti, mikä mahdollistaa Covid Symptom Study -sovelluksen käytetään diagnostisena työkaluna, joka lievittää testauskapasiteetin rasitusta Yhdistyneessä kuningaskunnassa samalla, kun se on helposti saavutettavissa ja aiheuttaa vähän käyttäjätaakkaa.

Opintojen suunnittelu:

Covid-19-pandemian nopeasti kehittyvän ja epävarman keston ja intensiteetin vuoksi nykyinen tutkimussuunnitelma on ennakoiva ja mahdollistaa ennustemallien säännöllisen iteroinnin ja validointitietojen jatkuvan keräämisen. Tutkimus koostuu sarjasta vaiheita, joista jokainen kestää 14 päivää. Ennen kunkin vaiheen alkua (päivä 0) joukko koneoppimismalleja jäädytetään ja lähetetään validoitavaksi tämän ja seuraavien vaiheiden aikana kerättyjen tietojen perusteella.

Koneoppimisalgoritmit paranevat datan lisääntyessä. Siksi validointivaiheet jatkuvat niin kauan kuin testejä on saatavilla ja sovelluksen käyttäjät suostuvat tutkimukseen. Yhdistyneen kuningaskunnan tartuntojen etenemiseen liittyvän epävarmuuden vuoksi validointitutkimusta jatketaan, vaikka sillä on arvoa kansanterveydelle.

Yksityiskohtainen tilastollinen analyysisuunnitelma on kuvattu tämän tietueen liitteenä olevassa asiakirjassa. Tietue kaikista validoinnissa käytetyistä koneoppimismalleista päivitetään säännöllisesti GitHubissa (https://github.com/zoe/covid-validation-study).