Testando a precisão de um teste digital para diagnosticar o Covid-19

A pandemia viral do Covid-19 causou perdas globais significativas e perturbações em todos os aspectos da sociedade (incluindo saúde, educação e negócios e segurança econômica). Uma das grandes dificuldades no controle da disseminação desse coronavírus tem sido a apresentação tardia e leve (ou ausência) de sintomas nos indivíduos infectados. Além disso, há capacidade insuficiente de teste de Covid-19 no Reino Unido e precisão apenas moderada de tais testes para confirmar a infecção por coronavírus. Juntos, esses obstáculos levaram a que inúmeros casos desconhecidos de coronavírus passassem despercebidos e alimentassem a propagação viral na população, comprometendo o rigor das medidas de auto-isolamento adotadas por indivíduos infectados que, de outra forma, poderiam ter contido ou impedido a transmissão do vírus. O custo profundo e generalizado da progressão contínua do Covid-19, coincidindo com a falta de capacidade de teste, garante o desenvolvimento de ferramentas alternativas de diagnóstico que avaliam de forma confiável a infecção por Covid-19 nos estágios iniciais da infecção, além de serem de baixo custo, baixo -fardo e facilmente administrado a uma ampla proporção da população.

O aplicativo gratuito de monitoramento de sintomas 'Covid Symptom Study' foi lançado em meados de março pela startup de tecnologia de saúde Zoe Global Ltd e está sendo usado atualmente no Reino Unido, EUA e Suécia, com mais de 2,7 milhões de usuários somente no Reino Unido. que usam o aplicativo para relatar seus sintomas de Covid-19. Ao registar-se para utilizar a app, é solicitado ao utilizador que comunique dados demográficos e fenotípicos como idade, sexo, IMC, etnia, contacto com infetados (através de profissional de saúde), comportamento tabágico, condições de saúde existentes, entre outras informações. A partir de então, os usuários são solicitados a relatar, diariamente, sua apresentação de sintomas atribuíveis ao Covid-19 (ou a falta deles) por meio do uso de questionários administrados por aplicativos, permitindo assim o rastreamento em tempo real da progressão da doença em todo o Reino Unido. . O aplicativo também permite que os usuários relatem seus resultados do teste Covid-19, permitindo assim o desenvolvimento de algoritmos de previsão baseados apenas em dados de usuários autorreferidos para prever a presença de infecção em usuários não testados.

Em nome da Zoe Global Ltd, o Departamento de Saúde e Assistência Social do Reino Unido, com o apoio do Conselheiro Científico Chefe do Reino Unido, comprometeu-se a testar até 10.000 usuários de aplicativos por semana para infecção por SARS-CoV-2 em toda a Inglaterra e Irlanda do Norte, para o objetivo de melhorar rapidamente a precisão das previsões baseadas em sintomas. Subsídio de teste semelhante pode seguir na Escócia e no País de Gales.

Os usuários de aplicativos sintomáticos serão solicitados a fazer o teste de infecção por SARS-CoV-2, usando o popular swab e a técnica qRT-PCR, e a relatar os resultados dos testes no aplicativo, enquanto continuam registrando seus sintomas.

Este estudo de validação, realizado no King's College London, visa validar a sensibilidade e a especificidade dos modelos de aprendizado de máquina como uma ferramenta de diagnóstico que prevê a infecção por SARS-CoV-2 com base em sintomas relatados por aplicativos e dados fenotípicos, contra o 'padrão ouro ' teste de PCR de swab, utilizando o aplicativo Covid Symptom Study como uma plataforma de pesquisa.

Supõe-se que, ao treinar os modelos baseados em sintomas usando os resultados do teste de swab e por meio de várias iterações do modelo após a entrada contínua de dados dos relatórios e dos usuários do aplicativo testado, as previsões de infecção serão feitas com precisão considerável, permitindo assim que o aplicativo Covid Symptom Study seja usado como uma ferramenta de diagnóstico que alivia a tensão da capacidade de teste no Reino Unido, ao mesmo tempo em que é facilmente acessível e representa baixo ônus para o usuário.

Design de estudo:

Devido ao rápido desenvolvimento e à duração e intensidade incertas da pandemia de Covid-19, o presente desenho de estudo é prospectivo e permite a iteração regular em modelos de previsão e acúmulo contínuo de dados de validação. O estudo consiste em uma série de fases, cada uma com duração de 14 dias. Antes do início de cada fase (dia 0), um conjunto de modelos de aprendizado de máquina será congelado e submetido à validação dos dados coletados durante esta e as fases subsequentes.

Os algoritmos de aprendizado de máquina melhoram com o aumento de dados. Portanto, as fases de validação continuarão enquanto os testes estiverem disponíveis e os usuários do aplicativo consentirem em participar do estudo. Devido à incerteza em torno da progressão das taxas de infecção no Reino Unido, o estudo de validação continuará enquanto for valioso para a saúde pública.

Um plano detalhado de análise estatística é descrito no documento anexo a este registro. Um registro de todos os modelos de aprendizado de máquina usados ​​para validação será atualizado regularmente no GitHub (https://github.com/zoe/covid-validation-study).