A Covid-19 diagnosztizálására szolgáló digitális teszt pontosságának tesztelése

A Covid-19 vírusvilágjárvány jelentős globális veszteségeket és zavarokat okozott a társadalom minden területén (beleértve az egészségügyet, az oktatást, valamint az üzleti és gazdasági biztonságot). A koronavírus terjedésének megfékezésének egyik legnagyobb nehézsége a tünetek késleltetett és enyhe (vagy hiánya) megjelenése volt a fertőzött egyéneknél. Ráadásul az Egyesült Királyságban nem áll rendelkezésre elegendő Covid-19-tesztelési kapacitás, és az ilyen tesztek csak mérsékelten pontosak a koronavírus-fertőzés igazolására. Ezek az akadályok együttesen ahhoz vezettek, hogy számtalan ismeretlen koronavírus-esetet nem figyeltek meg, és elősegítették a vírus terjedését a lakosságban, veszélyeztetve a fertőzött egyének önizolációs intézkedéseinek szigorúságát, akik egyébként megfékezték vagy megakadályozták a vírus terjedését. A Covid-19 folyamatos előrehaladásának mélyreható és kiterjedt költsége, amely egybeesik a tesztelési kapacitás hiányával, olyan alternatív diagnosztikai eszközök kifejlesztését indokolja, amelyek megbízhatóan értékelik a Covid-19 fertőzést a fertőzés korai szakaszában, ugyanakkor alacsony költségűek és alacsonyak. -teher, és könnyen beadható a lakosság széles körében.

A „Covid Symptom Study” ingyenes tünetfigyelő alkalmazást március közepén indította útjára az egészségügyi technológiai startup Zoe Global Ltd., jelenleg az Egyesült Királyságban, az Egyesült Államokban és Svédországban használják, csak az Egyesült Királyságban több mint 2,7 millió felhasználóval. akik az alkalmazást arra használják, hogy maguk jelentsék be Covid-19 tüneteiket. Az alkalmazás használatára történő regisztrációkor a felhasználóknak demográfiai és fenotípusos adatokat kell jelenteniük, például életkort, nemet, BMI-t, etnikai hovatartozást, fertőzött személyekkel való érintkezést (egészségügyi szakember révén), dohányzási magatartást, fennálló egészségi állapotokat stb. Ettől kezdve a felhasználókat arra kérik, hogy napi rendszerességgel jelentsék a Covid-19-nek (vagy annak hiányának) betudható tüneteiket alkalmazások által kezelt kérdőívek segítségével, így lehetővé válik a betegség előrehaladásának valós idejű nyomon követése az Egyesült Királyságban. . Az alkalmazás azt is lehetővé teszi a felhasználók számára, hogy jelentsék a Covid-19 teszteredményeiket, így lehetővé válik olyan előrejelzési algoritmusok fejlesztése, amelyek kizárólag saját maguk által bejelentett felhasználói adatokon alapulnak, hogy előre jelezzék a fertőzés jelenlétét a nem tesztelt felhasználókban.

A Zoe Global Ltd nevében az Egyesült Királyság Egészségügyi és Szociális Gondozási Minisztériuma az Egyesült Királyság tudományos főtanácsadójának támogatásával kötelezettséget vállalt arra, hogy hetente akár 10 000 alkalmazásfelhasználót tesztel a SARS-CoV-2 fertőzésre Angliában és Észak-Írországban. a tünetalapú előrejelzések pontosságának gyors javítása. Skóciában és Walesben is hasonló tesztelési juttatás következhet.

A tünetekkel járó alkalmazásfelhasználókat felkérik arra, hogy a népszerű tampon és qRT-PCR technikával teszteljék a SARS-CoV-2 fertőzést, és jelentsék vizsgálati eredményeiket az alkalmazásban, miközben folytatják a tünetek naplózását.

A londoni King's College-ban végzett validációs tanulmány célja a gépi tanulási modellek érzékenységének és specifitásának validálása olyan diagnosztikai eszközként, amely az alkalmazások által jelentett tünetek és fenotípusos adatok alapján előrejelzi a SARS-CoV-2 fertőzést, az „arany standarddal” szemben. ' tampon PCR-tesztet a Covid Symptom Study alkalmazás segítségével kutatási platformként.

Feltételezhető, hogy a tünetalapú modellek betanításával a tampontesztek eredményeivel, valamint a jelentéskészítő és a tesztelt alkalmazás felhasználóitól származó folyamatos adatbevitelt követő többszörös modelliterációval a fertőzés előrejelzése meglehetősen pontos lesz, így lehetővé válik a Covid Symptom Study alkalmazás. diagnosztikai eszközként használják, amely enyhíti a tesztelési kapacitás feszültségét az Egyesült Királyságban, miközben könnyen hozzáférhető és alacsony felhasználói terhet jelent.

Dizájnt tanulni:

A Covid-19 világjárvány rohamosan fejlődő és bizonytalan időtartama és intenzitása miatt a jelen tanulmányterv prospektív, és lehetővé teszi az előrejelzési modellek rendszeres iterációját és a validációs adatok folyamatos felhalmozását. A vizsgálat több szakaszból áll, amelyek mindegyike 14 napig tart. Az egyes fázisok (0. nap) kezdete előtt a gépi tanulási modellek egy készletét lefagyasztják, és érvényesítésre benyújtják az ebben és a következő fázisokban gyűjtött adatok alapján.

A gépi tanulási algoritmusok javulnak az adatok növekedésével. Ezért az érvényesítési szakaszok mindaddig folytatódnak, amíg rendelkezésre állnak a tesztek, és az alkalmazás felhasználói beleegyeznek a vizsgálatba. Az Egyesült Királyság fertőzési arányának előrehaladásával kapcsolatos bizonytalanság miatt a validációs vizsgálatot folytatni fogják, miközben értékes a közegészségügy számára.

A részletes statisztikai elemzési tervet a jelen rekordhoz csatolt dokumentum ismerteti. Az érvényesítéshez használt gépi tanulási modellek nyilvántartása rendszeresen frissül a GitHubon (https://github.com/zoe/covid-validation-study).