评估合成乳腺癌临床试验数据集的实用性和隐私性
Samer El Kababji1, Nicholas Mitsakakis1, Xi Fang2
1CHEO Research Institute, Ottawa, ON, Canada.
JCO clinical cancer informatics
|November 27, 2023
概括
使用序列合成方法合成数据生成可以有效地代理真实临床试验数据进行二次分析,同时保持低隐私风险. 这种方法促进了在瘤学研究中更广泛的数据共享.
科学领域:
- 在瘤学瘤学.
- 生物统计学 生物统计学
- 数据科学数据科学数据科学
背景情况:
- 分享临床试验数据对于二次分析至关重要,但由于患者隐私问题而面临挑战.
- 合成数据生成 (SDG) 被提出为平衡数据实用性和隐私保护的解决方案.
- 关于合成瘤学临床试验数据的实用性和隐私性的证据有限.
研究的目的:
- 通过多种SDG技术验证合成临床试验数据的实用性和评估隐私风险.
- 评估SDG在解决针对瘤学临床试验数据隐私问题的有效性.
主要方法:
- 八个乳腺癌临床试验数据集用于合成.
- 使用了三个生成模型:顺序合成,条件生成对抗网络 (cGAN) 和变异自编码器 (VAE).
- 通过复制已发表的分析并比较效果估计和置信区间 (CI) 来评估数据的有用性. 隐私风险通过归因和成员身份披露来衡量.
主要成果:
- 序列合成证明了最高的实用性,可复制的结果和高CI重叠在八个数据集中的七个.
- 在所有三个生成模型中,归因和会员身份披露风险都很低.
- 通过顺序合成生成的合成数据显示了与真实数据相比的实用性.
结论:
- 序列合成方法可以生成保护隐私的合成数据,作为真实临床试验数据的可行代理.
- 这种方法可以使瘤学临床试验数据的更广泛的共享成为可能,促进进一步的研究和见解.
