|
CovID-19 病毒需要大量篩檢，結合機器學習可以增進效率。Photo from Pixabay
食藥管理局 (FDA) 日前核准了史坦福大學的「池篩」(Pool Testing) 申請，開始另一種新冠肺炎的篩檢方式。池篩的方法由來已久，美國的疫情高居不下，這是第一次用在新冠肺炎，是實驗、也可以說是挑戰，如果運用得法，可以節省大量篩檢的資源，來防堵疫情進一步擴散。什麼叫池篩？就是把很多人的檢體如唾液混在一個「池」裡，然後僅取樣一次來篩檢，篩檢如果正常，就表示「池」裡所有的人都正常，節省了個別一一篩檢的手續。
當然顯而易見的，就是這僅一次的篩檢結果不正常，例如呈陽性反應，那就要回去把「池」裡的每個人一一篩檢，找出陽性的人。所以在已知傳播率高的地區，把一些人放到「池塘」裡，結果與每個人單獨檢測沒有區別，不能解省篩檢資源。史坦福大學計畫先從群居開始，如老人院、學生宿舍，而且周而復始的篩檢，例如學生宿舍有三層樓，每天篩檢一層樓，一週重複一次，一旦發現疫情也在控制之內，不致擴散。
根據統計有將近一半的新冠肺炎感染人，沒有明顯的症狀，成為重啟經濟活動的一大隱憂，有些地區疫情稍緩，經濟活動略微活絡，疫情就又回升，所以大規模篩檢，隔離無症狀感染人，應該是防止疫情惡化的重要一環，但以目前篩檢的速度與成本，距理想的篩檢數量還遠，池篩或者是一個方式，問題就在「池塘」的設計，一池應有多少人、放進去哪些人、要間隔多久篩一次，加州柏克萊大學的專家們提出了辦法。
疫情中每個人都有被感染的危險，但依人而異，第一線醫療工作的人與居家少出門的人，危險程度一定不一樣。疫情已經流行一陣子，可以用一些公開的資料，當地確診人數，篩檢的比例，加上個人的旅行與社群接觸情況，可以建立一個模型，用機器學習預測一個人被感染的危險程度。一旦發現危險程度高的，就排除在「池塘」之外，池篩產生不正常的機會就大為降低。
柏克萊的學者解釋，當傳染率低的時候，池篩的效益就特別彰顯。例如一所大學的學生每天池篩，感染的危險就大幅度降低，因為今天被確診的會從明天的池塘移除，成為清潔的池塘。但明天更可以加入還沒有入池的人，把池塘擴大，如果池篩出現狀況，就先從新加入的人著手篩檢，減少不必要的篩檢次數與成本。這樣頻繁的篩檢，讓無症狀的感染人在家休息，更降低傳染率，使池篩的運作更有效率。
學者們的分析，結合機器學習的高頻率池篩，成本遠低於一般的想像，每天池篩的成本，僅為每月一次池篩的兩倍，但每天篩檢卻可以有效的消除病毒，每月一次的篩檢，僅能知道一個月裡疫情傳染的情況。高頻率的池篩，在特定的群聚的地方像工廠、養老院，可以減少篩檢的次數，減少全數篩檢的成本，卻達到全數篩檢的功效。
在高傳染率地區，池篩之前可先做一次全面篩檢，確診的人先隔離，痊癒之後再回來加入高頻率的池篩。高頻率的篩檢可以提前發現感染的人，所以會讓傳染率下降，而機器學習可以每天估算每個人的危險程度，一旦發現危險，就從大池塘剔除，做單獨的篩檢，同樣的池篩發現不正常，也先從危險程度較高的人著手。
池塘的人數，篩檢的頻率，傳染率的高低，都相互關連，需要專家做最佳化的設計，再結合機器學習，才能大幅度減少篩檢次數，減低整體成本，同時又降低疫情傳染的速度，達到大規模篩檢的功效。大規模篩檢或是抗疫與經濟開放的重要行動，但基於速度與成本目前僅能篩檢有症狀的人，數量過少。（有興趣進一步瞭解可閱覽這篇學者的報告）
池篩一旦實施，我們每天、或每幾天做的，不過是從嘴裡取一點唾液，據說有 FDA 核准的自取唾液工具，那就不必麻煩醫務人員，自己取就更簡便。前些日子還說 AI 在抗疫上沒幫什麼忙，希望這次能發揮功能，估算你我感染的危險程度，作為池篩的基礎。
|
