インターネット検索クエリによる脳卒中予測

この研究では、2016 年から 2020 年の間にテルアビブの Sourasky Medical Center に入院した脳卒中患者の Google クエリを分析します。 署名済みのインフォームド コンセント フォームに正式に記入した後、同意した被験者は、脳卒中の最大 2 年前から 1 年後までの Google データ エクスポート サービスからの検索データを個人的に要求し、これらの 1 回限りのファイルを作成して研究者にアクセスを提供します。データと研究者との共有。 インフォームド コンセントに続いて、Google クエリのデータは、脳卒中の最大 2 年前から 1 年後まで、Google の「Take Out」サービスを使用して参加者によって抽出されます。 対照群は、急性心筋梗塞（MI）と診断された患者と、MI /脳卒中のない患者の配偶者で構成されます。 募集は、主に脳卒中と急性心筋梗塞の 2 つの機関が承認したデータベースから行われます。 モデルを構築し、そのパフォーマンスをテストするために必要な最小サイズのクエリ ログのデータセットに関する以前の経験に基づいて、合計 450 人の参加者 (各グループに 150 人) が募集されます。

匿名性はいくつかの方法で保証されます。 Google データ エクスポートのデータへのアクセスは、研究を実行するために必要な最小限の量に制限され、テルアビブ大学のデータ分析チームのメンバーにのみ許可されます。一方、医療データへのアクセスは、以下の研究者にのみ提供されます。テルアビブのソウラスキー医療センター。 さらに、テルアビブ大学パートナー チームのメンバーは、試験に参加している被験者を特定するための積極的な試みを控える義務があります。 テルアビブ大学と共有されるすべてのデータは、ローカルの暗号化されたハードディスクに保存されます。 データは、プロジェクトの終了時にテルアビブ大学のコンピューターから削除されます。

以前に開発された機械学習モデルは、0.972 の曲線下面積 (AUC) を持つ年齢が一致するコントロールと比較して、被験者の脳卒中を予測することができました。これは、1% の偽陽性率で 52.7% の陽性予測値に変換されます。 、日ごとに、人がその日に脳卒中イベントを起こす可能性を予測するために使用されます。 これは、既知の脳卒中または MI の日付と比較されます。 パフォーマンスの尺度は、検出の受信者動作曲線 (ROC) と対応する曲線下面積 (AUC) になります。 さらに、収集されたデータを使用して新しいモデルがトレーニングされ、同様にテストされますが、10 倍の交差検証が使用されます。 脳卒中検出の感度と特異性が導き出されます。