使用在线搜索活动以更早地检测妇科恶性瘤

科学领域:

• 妇科瘤学 妇科瘤学
• 数字流行病学数字流行病学
• 机器学习在医疗保健中的应用

背景情况:

• 卵巢和子宫内膜癌缺乏英国的查计划,影响早期检测.
• 调查在线搜索数据,以区分恶性和良性妇科疾病.

研究的目的:

• 评估在线搜索数据在区分恶性和良性妇科诊断中的实用性.
• 评估搜索查询模式是否可以在全科医生 (GP) 转诊之前预测恶性瘤.

主要方法:

• 预期的队列研究症状妇女转移到伦敦的一家医院 (2020年12月 - 2022年6月).
• 使用健康过器对匿名的谷歌搜索数据 (24个月前的GP转介) 的分析.
• 开发预测模型 (术语和类别) 来区分诊断,根据ROC曲线下的面积 (AUC) 进行评估.

主要成果:

• 分析了235名女性 (平均年龄为53岁,恶性瘤率为26%) 的队列.
• 在良性和恶性诊断之间确定了不同的在线搜索模式,在转诊前360天 (术语模型) 和60天 (类别模型) 之前出现.
• 在GP转诊前60天使用分类搜索数据的模型实现了0.82的样本校正AUC.

结论:

• 在线搜索数据显示了恶性和良性妇科疾病之间的潜在差异.
• 搜索数据中的可检测信号在全科医生转诊之前,表明可能的早期检测能力.
• 需要对更大的数据集进行进一步验证,以确认在线搜索数据对早期妇科癌症检测和改善结果的价值.