Testowanie dokładności testu cyfrowego w celu zdiagnozowania Covid-19

Pandemia wirusa Covid-19 spowodowała znaczne globalne straty i zakłócenia we wszystkich aspektach życia społecznego (w tym w ochronie zdrowia, edukacji oraz biznesie i bezpieczeństwie ekonomicznym). Jedną z głównych trudności w kontrolowaniu rozprzestrzeniania się tego koronawirusa była opóźniona i łagodna (lub brak) prezentacja objawów u zakażonych osób. Ponadto w Wielkiej Brytanii nie ma wystarczających możliwości testowania Covid-19, a dokładność takich testów w potwierdzaniu zakażenia koronawirusem jest umiarkowana. Wszystkie te przeszkody doprowadziły do ​​tego, że niezliczone nieznane przypadki koronawirusa pozostały niezauważone i podsyciły rozprzestrzenianie się wirusa w populacji, naruszając rygorystyczne środki samoizolacji podejmowane przez zarażone osoby, które w inny sposób mogły ograniczyć lub uniemożliwić przenoszenie wirusa. Głębokie i powszechne koszty ciągłej progresji Covid-19, zbiegające się z brakiem możliwości testowania, uzasadniają opracowanie alternatywnych narzędzi diagnostycznych, które niezawodnie oceniają zakażenie Covid-19 we wczesnych stadiach zakażenia, a jednocześnie są tanie, tanie -obciążeniem i łatwym do podania szerokiej części populacji.

Bezpłatna aplikacja do monitorowania objawów „Covid Symptom Study” została uruchomiona w połowie marca przez start-up technologii medycznej Zoe Global Ltd i jest obecnie używana w Wielkiej Brytanii, Stanach Zjednoczonych i Szwecji, z ponad 2,7 milionami użytkowników w samej Wielkiej Brytanii którzy używają aplikacji do samodzielnego zgłaszania objawów Covid-19. Podczas rejestracji w celu korzystania z aplikacji użytkownicy proszeni są o podanie między innymi danych demograficznych i fenotypowych, takich jak wiek, płeć, BMI, pochodzenie etniczne, kontakt z zarażonymi osobami (za pośrednictwem pracowników służby zdrowia), palenie tytoniu, istniejące schorzenia. Od tego momentu użytkownicy proszeni są o codzienne zgłaszanie objawów związanych z Covid-19 (lub ich brakiem) za pomocą kwestionariuszy administrowanych przez aplikację, umożliwiając w ten sposób śledzenie postępu choroby w Wielkiej Brytanii w czasie rzeczywistym . Aplikacja umożliwia również użytkownikom zgłaszanie wyników testów na Covid-19, umożliwiając w ten sposób opracowywanie algorytmów predykcyjnych opartych wyłącznie na danych zgłaszanych przez użytkowników w celu przewidywania obecności infekcji u nieprzetestowanych użytkowników.

W imieniu Zoe Global Ltd brytyjski Departament Zdrowia i Opieki Społecznej przy wsparciu głównego doradcy naukowego Wielkiej Brytanii zobowiązał się do testowania do 10 000 użytkowników aplikacji tygodniowo pod kątem zakażenia SARS-CoV-2 w całej Anglii i Irlandii Północnej w celu w celu szybkiej poprawy dokładności przewidywań opartych na objawach. Podobny zasiłek testowy może obowiązywać w Szkocji i Walii.

Użytkownicy aplikacji z objawami zostaną poproszeni o poddanie się testowi na obecność zakażenia SARS-CoV-2 przy użyciu popularnej techniki wymazu i qRT-PCR oraz o zgłoszenie wyników testu w aplikacji, przy jednoczesnym dalszym rejestrowaniu objawów.

To badanie walidacyjne, przeprowadzone w King's College London, ma na celu sprawdzenie czułości i swoistości modeli uczenia maszynowego jako narzędzia diagnostycznego, które przewiduje infekcję SARS-CoV-2 na podstawie objawów zgłaszanych przez aplikację i danych fenotypowych, w porównaniu ze „złotym standardem” wymazu z testu PCR, wykorzystując aplikację Covid Symptom Study jako platformę badawczą.

Przyjęto hipotezę, że dzięki szkoleniu modeli opartych na objawach przy użyciu wyników testów wymazów i wielu iteracji modelu po ciągłym wprowadzaniu danych od zgłaszających i testowanych użytkowników aplikacji, przewidywania infekcji będą dokonywane ze znaczną dokładnością, umożliwiając w ten sposób aplikację Covid Symptom Study wykorzystywane jako narzędzie diagnostyczne, które zmniejsza obciążenie zdolności testowania w Wielkiej Brytanii, a jednocześnie jest łatwo dostępne i stanowi niewielkie obciążenie dla użytkownika.

Projekt badania:

Ze względu na szybko rozwijający się i niepewny czas trwania i intensywność pandemii Covid-19, obecny projekt badania jest prospektywny i umożliwia regularną iterację modeli prognostycznych i ciągłe gromadzenie danych walidacyjnych. Badanie składa się z serii faz, z których każda trwa 14 dni. Przed rozpoczęciem każdej fazy (dzień 0) zestaw modeli uczenia maszynowego zostanie zamrożony i przesłany do walidacji na danych zebranych podczas tej i kolejnych faz.

Algorytmy uczenia maszynowego poprawiają się wraz ze wzrostem ilości danych. W związku z tym fazy walidacji będą trwały tak długo, jak dostępne będą testy, a użytkownicy aplikacji wyrażą zgodę na dołączenie do badania. Ze względu na niepewność co do postępu wskaźników infekcji w Wielkiej Brytanii badanie walidacyjne będzie kontynuowane, dopóki będzie miało wartość dla zdrowia publicznego.

Szczegółowy plan analizy statystycznej został opisany w dokumencie dołączonym do tego protokołu. Rejestr wszystkich modeli uczenia maszynowego używanych do walidacji będzie regularnie aktualizowany w serwisie GitHub (https://github.com/zoe/covid-validation-study).