[논문 리뷰] Clinically verified pre-screening for cancer using web search queries: Initial results.

Elad Yom‐Tov|arXiv (Cornell University)|2018. 02. 21.

Data-Driven Disease Surveillance인용 수 3

한 줄 요약

이 연구는 브링 광고를 통해 폐암, 유방암 또는 대장암을 암으로 의심하는 개인들로부터 수집한 웹 검색 쿼리를 활용해 암 위험을 예측하는 방법을 제안한다. 과거 검색 쿼리와 임상적으로 검증된 위험 점수를 연관시켜 분석한 결과, 자동화된 분류기의 전체 암 예측에 대해 AUC가 0.64, 대장암에 대해서는 0.76를 기록하여 검색 쿼리가 조기 암 선별에 실용적인 도구가 될 수 있음을 입증하였다.

ABSTRACT

Search engine queries have been demonstrated to be a useful signal for screening people for different cancer types. Past work focused on a biased population which indicated that they were suffering from the condition, or else inferred which people had the condition of interest using their queries. Here we used a combination of an online advertising campaign and a clinically verified questionnaire to identify at-risk people, and correlated their past queries with these risk scores. People who suspected they were suffering from lung, breast, or colon cancer were recruited through ads shown on the Bing search engine to complete a clinically verified risk questionnaire. Of those, 201 people agreed to participate in the research and their past queries could be obtained. An automated classifier to predict their risk score based on past queries reached an Area Under the ROC (AUC) of 0.64 for all cancers, and 0.76 for colon cancer. These results demonstrate the utility of search engine queries to screen for cancer and are the represent the first step in utilizing advertising systems to screen for cancer and detect it earlier than has been previously possible.

연구 동기 및 목표

• 자신의 과거 웹 검색 쿼리를 활용해 암에 걸릴 위험이 있는 사람들을 식별하는 방법을 개발하기 위해.
• 목표가 있는 온라인 광고를 통해 폐암, 유방암 또는 대장암을 암으로 의심하는 참가자를 모집하기 위해.
• 표준화된 설문지를 통해 자가 보고된 위험도를 임상적으로 검증하여 데이터 품질을 확보하기 위해.
• 기계학습을 활용해 검색 쿼리의 예측 능력을 평가하기 위해.
• 광고 플랫폼을 활용해 검색 행동을 통해 조기 암 검출을 가능하게 하는 것이 가능한지 입증하기 위해.

제안 방법

• 암에 걸릴 위험이 있는 것으로 보이는 사용자에게 노출된 타겟팅된 브링 검색 광고를 통해 참가자를 모집하였다.
• 온라인으로 제공된 임상적으로 검증된 설문지를 통해 자가 보고 위험 점수를 수집하였다.
• 참가자의 익명화된 과거 검색 쿼리에 접근하고 분석하였다.
• 과거 검색 쿼리의 내용과 패턴을 바탕으로 암 위험을 예측하는 자동화된 분류기를 훈련시켰다.
• 전체 암 및 특정 암 유형에 대해 receiver operating characteristic 곡선 아래 면적(AUC)을 사용해 모델 성능을 평가하였다.
• 검색 기록 공유 및 설문지 완료에 동의한 201명의 대표 표본 참가자를 사용하였다.

실험 결과

연구 질문

• RQ1 암을 의심하는 개인들 중에서 검색 엔진 쿼리가 자가 보고된 암 위험을 신뢰성 있게 예측할 수 있는가?
• RQ2 익명화된 과거 검색 쿼리를 활용한 기계학습 분류기가 암 위험을 예측하는 데 얼마나 효과적인가?
• RQ3 특히 대장암과 같은 특정 암 유형에 대해 검색 쿼리의 예측 성능는 어떠한가?
• RQ4 온라인 광고 플랫폼이 암 선별 연구를 위한 위험군 참가자를 효과적으로 모집하는 데 사용될 수 있는가?
• RQ5 쿼리 기반 선별의 성능는 전통적 방법에 비해 조기 진단에서 어떻게 비교되는가?

주요 결과

• 전체 3종류의 암에 걸릴 위험을 예측할 때 자동화된 분류기는 AUC가 0.64를 기록하였다.
• 특히 대장암의 경우 분류기는 AUC가 0.76를 달성하여 강력한 예측 성능를 보였다.
• 이 연구는 브링 광고 캠페인을 통해 201명의 참가자를 모집하여 과거 검색 쿼리를 공유하도록 확보하였다.
• 임상적으로 검증된 위험 점수는 표준화된 설문지를 통해 확보되어 데이터 신뢰성이 보장되었다.
• 이 연구는 광고 플랫폼을 활용해 위험군을 모집하고 검색 쿼리를 암 선별에 활용하는 데 성공한 최초의 연구이다.
• 결과적으로 검색 쿼리는 조기 암 검출을 위한 유용하고 침습적이지 않은 신호가 될 수 있음을 입증하였다.