【來論】新冠疫情下的決策科學：群組測試

新冠肺炎威脅下，能否快速、大量地測試人們是否病毒攜帶者尤為重要。然而，香港至今仍未擁有足夠的測試能力。日前，香港大學盧寵茂教授指出香港需提升測試能力至每日二萬次。然而，現時實際測試水平為每日四千至五千次，與期望差距較大。我們或需安排更多資源（如測試儀器）以提升測試能力。不過，以決策科學的角度來看，我們可以嘗試更有效地運用現有資源，以提高測試能力。群組測試便是其中一個辦法。

群組測試最初由哈佛大學經濟學家Robert Dorfman教授於一九四三年提出，用以檢測美軍中梅毒感染情況。要向每位軍人都抽樣作梅毒測試在當時並非易事；我們現時就新冠病毒進行大規模檢測亦面對相似情況。Dorfman教授針對此情況提出群組測試辦法如下：首先將群組中的樣本混合後進行測試。若混合樣本為陰性，則認為群組中所有樣本均為陰性而不需繼續測試；否則，再對每一個樣本進行單獨測試。舉例說，若在一百個樣本中，僅一樣本為陽性而其他為陰性，我們可將一百個樣本平均分為五組（每組二十）。此群組測試辦法只需二十五次測試便可將陽性樣本識別：五個群組每組一個測試，然後對陽性群組內的二十個樣本進行二十個單獨測試。相比傳統辦法需要對所有樣本逐個進行單獨測試，共需一百次測試，群組測試可降低所需測試數量。

群組測試並非紙上談兵。中國內地已多次應用群組測試以控制新冠病毒的傳播。五月份，武漢就借助群組測試以對其一千一百萬人口進行全面檢測。具體而言，在武漢，五至十個樣本會被混合檢測。而且僅當混合檢測為陽性，被混合的樣本才會被分開單獨測試。北京在六月份也進行了類似的大規模測試。在新發地市場附近出現新冠疫情後，北京迅速提升檢測能力至每日二十三萬次；若將五個樣本進行混合檢測，每日可檢測樣本達一百萬。最終，北京對中高風險區域內所有居民進行強制核酸測試。類似方法也曾在德國、以色列、美國得到應用。

為了盡量發掘群組測試所帶來之便利，我們需要做一個無可避免而又重要的抉擇：何為合適的群組大小？若群組過大，群組之混合樣本便有較大可能為陽性，那我們需要重新對群組之個體再一一檢驗，最終導致所需檢測增加。若群組過小，群組測試的好處便不明顯。

感染率是影響最優群組大小的一個關鍵因素。Dorfman教授的研究指出，若感染率在百分之一的水平，最優群組大小應為十一，在此情況下，群組測試所需檢測量約只為傳統測試方法的二成。然而，若感染率升至三成，最優群組大小會降至三，群組測試所需檢測量與傳統方法相比也只能節約百分之一。實際操作中，需先對感染率作一個粗略估計，然後依此進行決策科學方面的優化從而決定最優群組大小。另一方面，準確率亦影響最優群組大小。事實上，群組測試雖由Dorfman教授為檢測美軍梅毒而提出，但最後並未實際應用到梅毒檢測中，原因是混合樣本中梅毒抗體變得難以檢測。然而，對於新冠病毒，最近有研究指出將一份陽性樣本與四份陰性樣本混合後，核酸檢測依然能檢測到陽性。

新冠疫情短期內難以平復。為重啟經濟及恢復其他日常活動，大規模的檢測必不可少，這樣我們才能觀察感染率從而得知疫情整體變化；從而讓對病毒呈陰性的人們返回工作崗位；識別出對病毒呈陽性的人們並隔離（這在新冠疫情下尤為重要，因為大量無症狀感染者也存在傳染性）。群體測試的辦法並不需要太多額外資源，但卻能大大提升檢測能力，應成為我們控制疫情的工具之一。

龍卓瑜教授(香港中文大學系統工程與工程管理學系副教授)