Método de prueba de grupo COVID-19 ofrece resultados 13 veces más rápido que las pruebas individuales de cada muestra

El método nuevo desarrollado por investigadores del Laboratorio de Algoritmos y Tecnologías para Análisis de Redes HSE (Nizhny Novgorod, Rusia) y la Universidad de Vilnius (Vilnius, Lituania) puede usarse para poblaciones asintomáticas con una incidencia aparentemente baja de casos de coronavirus, donde ayudará a detectar a las personas infectadas a una velocidad máxima con un número mínimo de pruebas, y aplicar oportunamente las medidas de cuarentena para prevenir la diseminación de la enfermedad.

Las soluciones actuales de pruebas de COVID19 se basan en la extracción del ARN de pacientes usando hisopados orofaríngeos y nasofaríngeos, y luego se prueban con PCR en tiempo real para la presencia de filamentos de ARN específicos, identificando el virus. La velocidad de este enfoque es limitada por la disponibilidad de reactivos, técnicos entrenados y laboratorios. Una manera de acelerar los procedimientos de prueba es hacer pruebas en grupo, donde los hisopos de múltiples pacientes son agrupados y probados. Los hisopos de grupos que tienen un resultado positivo luego son probados de manera individual para detectar los pacientes específicos positivos para COVID-19. Este enfoque ayuda a disminuir el número de pruebas a la mitad o más (dependiendo de la diseminación de la enfermedad) en comparación con hacer la prueba a cada hisopo.

Por ejemplo, suponga que 96 muestras deben ser probadas y son posibles conjuntos de 12 muestras. En una prueba individual, se necesitan 96 pruebas. En prueba de grupo, se toman 8 grupos de 12 muestras y se realiza la prueba. Si el resultado de un grupo es positivo, entonces se necesitan 12 pruebas individuales adicionales. Si dos o más grupos dan positivos, entonces se requieren 24 o 36 pruebas adicionales, las cuales junto con las ocho primeras pruebas, significará una disminución en el número de pruebas de dos a cinco veces en comparación con las pruebas individuales. Los investigadores creen que el número de pruebas puede disminuirse optimizando el tamaño de los grupos que se toman teniendo en cuenta el número total de hisopos y el número previsto de personas infectadas. Cuando el número de personas infectadas aumenta, la posibilidad de ahorrar hisopos disminuye, pero sigue siendo hasta casi 40% en el evento de una incidencia de 100 muestras positivas por 1.000, y 18% para una incidencia de 200 por 1.000.

Hay maneras de optimizar las pruebas de grupo, como elegir el tamaño óptimo del grupo basados en el número total de hisopos y el nivel proyectado de la diseminación de la enfermedad. Otro es el método de división binaria, en el cual un grupo positivo es dividido en mitades y se prueba de nuevo, hasta que los hisopos positivos individuales son detectados. Sin embargo, el segundo método, consume más tiempo, lo que disminuye su atractivo durante una pandemia. Además, para optimizar la prueba en grupo, se usa la replicación basada en transposición: después de agrupar los hisopos, los investigadores forman grupos de control de los mismos hisopos y los prueban junto con los dos grupos principales. Esto ayuda a disminuir el número de pruebas, y si los niveles de enfermedad son bajos, también ayuda a detectar los posibles hisopos positivos en un paso, lo que acelera las pruebas considerablemente.

Sin embargo, este método no permite experimentar con los tamaños de los grupos para detectar el tamaño de grupo óptimo bajo condiciones específicas. Los investigadores de la Universidad HSE y la Universidad de Vilnius sugirieron la tecnología OptReplica, que usa un algoritmo más complicado de agrupación de hisopos en grupos clave y grupos de control y ayuda a disminuir el número de grupos de control. Además, el algoritmo ayuda a calcular el tamaño óptimo del grupo para el número presente de hisopos y el nivel previsto de diseminación de la enfermedad. Los investigadores realizaron investigación experimental en muestras de 96 y 384 hisopos, realizaron 100 pruebas aleatorias para cada tamaño de muestra y compararon la eficacia de la replicación basada en transposición y el método OptReplica para niveles diferentes de incidencia de la enfermedad. Los estudios han demostrado que si se elige el tamaño óptimo de los grupos, OptReplica es más eficaz que la replicación basada en transposición. En los casos con incidencia baja, el uso de OptReplica puede lograr una reducción promedio de 13 veces en las pruebas, en comparación con la prueba individual, sin retrasos de tiempo.

“Nuestras simulaciones en realidad están probando que usar esta estrategia de optimización de replicación es siempre ventajoso y aún en caso de diseminación alta de la enfermedad (10% o 20% de positivos en la población), sigue siendo competitivo con la estrategia de hacer pruebas individuales” explicó Mario Guarracino, jefe de investigación del Laboratorio de Algoritmos y Tecnologías para el Análisis de Redes.

Enlace relacionado:
Laboratorio de Algoritmos y Tecnologías para Análisis de Redes HSE
Universidad de Vilnius