Mengevaluasi Kegunaan dan Privasi Kumpulan Data Uji Klinis Kanker Payudara Sintetis

Terdapat minat yang kuat dari pasien, peneliti, industri farmasi, editor jurnal medis, penyandang dana penelitian, dan regulator dalam berbagi data uji klinis untuk analisis sekunder. Namun, akses data tetap menjadi tantangan karena kekhawatiran tentang privasi pasien. Telah dikemukakan bahwa pembangkitan data sintetis (SDG) merupakan cara yang efektif untuk mengatasi kekhawatiran privasi tersebut. Bukti yang mendukung hal ini pada kumpulan data uji klinis onkologi, dan mengenai kegunaan data sintetis yang menjaga privasi, masih sangat sedikit. Tujuan dari penelitian yang diusulkan adalah untuk memvalidasi kegunaan dan risiko privasi kumpulan data uji klinis sintetis pada berbagai teknik SDG.

Kami menyintesis kumpulan data dari delapan kumpulan data uji klinis kanker payudara menggunakan tiga jenis model generatif: sintesis sekuensial, conditional generative adversarial network, dan variational autoencoder. Kegunaan data sintetis dievaluasi dengan mereplikasi analisis yang dipublikasikan pada data sintetis dan menilai kesesuaian estimasi efek dan CI antara data nyata dan data sintetis. Privasi dievaluasi dengan mengukur risiko pengungkapan atribusi dan risiko pengungkapan keanggotaan.