Machine learning kan helpen bij sneller testen van Covid

Volgens een onderzoek van MIT Technology Review liggen er grote kansen voor data science om de testcapaciteit voor corona te vermenigvuldigen. Door machine learning te combineren met test pooling - waarbij je de samples van meerdere mensen combineert en ze als een groep test - kunnen grote populaties wekelijks of zelfs dagelijks getest worden voor 3 tot 5 dollar per persoon per dag.

Volgens de onderzoekers worden de meeste mensen getest omdat ze symptomen hebben of in contact zijn geweest met iemand die dat had. Maar nu over de hele wereld, en zeker in de VS, steeds meer scholen en openbare gebouwen open gaan moet er worden nagedacht over grootschalig testen - zeker omdat je anders de asymptomatische gevallen mist.

Nu is testen daar echter nog veel te duur voor. Bij test pooling doe je de samples van heel veel mensen bij elkaar, maak je er één sample van en test je dat sample. Als er geen virus wordt ontdekt, is de hele pool dus schoon. Maar als er wel positief getest wordt kun je niet bepalen wie er besmet is.

Belangrijk is dus om te weten hoe groot de kans is dat bepaalde mensen in de groep besmet zijn, en die apart te houden van de groep. En daar kan machine learning bij helpen. Door beschikbare data van werkgevers, scholen, infecties, geteste populaties, reispatronen, sociale contacten en zelfs rioleringen te combineren kunnen modellen de kans dat iemand corona heeft opgelopen elke dag opnieuw berekenen. Hierdoor kun je veel efficiënter aan test pooling doen.