[论文解读] Clinically verified pre-screening for cancer using web search queries: Initial results.

Elad Yom‐Tov|arXiv (Cornell University)|Feb 21, 2018

Data-Driven Disease Surveillance被引用 3

一句话总结

本研究提出利用自报可能患有肺癌、乳腺癌或结肠癌的个体通过Bing广告投放所获取的网络搜索查询，以预测癌症风险。通过将过往查询与临床验证的风险评分相关联，自动化分类器在所有癌症类型中的AUC达到0.64，在结肠癌中的AUC达到0.76，表明搜索查询可作为早期癌症筛查的可行工具。

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.

研究动机与目标

• 开发一种利用个人过往网络搜索查询识别癌症高风险人群的方法。
• 通过针对性的在线广告招募自认为可能患有肺癌、乳腺癌或结肠癌的参与者。
• 使用标准化问卷对自报风险进行临床验证，以确保数据质量。
• 利用机器学习评估搜索查询在预测癌症风险方面的预测能力。
• 证明利用广告平台通过搜索行为实现早期癌症检测的可行性。

提出的方法

• 通过向可能具有癌症风险的用户展示针对性的Bing搜索引擎广告招募参与者。
• 通过在线发放的临床验证问卷收集自报风险评分。
• 访问并分析参与者匿名化的过往Bing搜索历史记录。
• 训练自动化分类器，基于过往搜索查询的内容与模式预测癌症风险。
• 使用受试者工作特征曲线下面积（AUC）评估模型在总体癌症及特定癌症类型中的性能。
• 采用201名同意共享其搜索历史并完成问卷的代表性样本。

实验结果

研究问题

• RQ1 搜索引擎查询能否可靠地预测自认为可能患有癌症的个体的自报癌症风险？
• RQ2 机器学习分类器在使用匿名化过往搜索查询预测癌症风险方面效果如何？
• RQ3 搜索查询对特定癌症类型（尤其是结肠癌）的预测性能如何？
• RQ4 在线广告平台能否有效用于招募癌症筛查研究中的高风险个体？
• RQ5 基于查询的筛查方法与传统方法在早期检测中的表现相比如何？

主要发现

• 在预测所有三种癌症类型的总体癌症风险时，自动化分类器的受试者工作特征曲线下面积（AUC）达到0.64。
• 针对结肠癌，分类器的AUC达到0.76，表明其具有较强的预测性能。
• 本研究通过Bing广告活动成功招募了201名参与者，他们同意共享其过往搜索查询。
• 通过标准化问卷获取了经临床验证的风险评分，确保了数据的可靠性。
• 本研究是首项利用广告平台招募高风险个体并验证搜索查询在癌症筛查中有效性的研究。
• 研究结果表明，搜索查询可作为早期癌症检测的有用且非侵入性信号。