من الخصوصية إلى الإمكانية: استخدام البيانات التركيبية عبر محرك Syntho المدمج في SAS Viya كجزء من SAS Hackathon لإلغاء تأمين البيانات الحساسة للخصوصية
نطلق العنان للإمكانات الكاملة لبيانات الرعاية الصحية باستخدام الذكاء الاصطناعي التوليدي خلال SAS Hackathon.
لماذا تفتح بيانات الرعاية الصحية الحساسة للخصوصية؟
تحتاج الرعاية الصحية بشدة إلى بيانات محرك الأفكار. لأن الرعاية الصحية تعاني من نقص الموظفين ، وتعرض لضغوط مفرطة مع إمكانية إنقاذ الأرواح. ومع ذلك ، فإن بيانات الرعاية الصحية هي البيانات الأكثر حساسية للخصوصية وبالتالي يتم قفلها. هذه البيانات الحساسة للخصوصية:
- تستغرق وقتًا طويلاً للوصول
- يتطلب الكثير من الأعمال الورقية
- ولا يمكن استخدامها ببساطة
هذه مشكلة ، حيث أن هدفنا من هذا الهاكاثون هو التنبؤ بالتدهور والوفيات كجزء من أبحاث السرطان لمستشفى رائد. لهذا السبب تتعاون Syntho و SAS في هذا المستشفى ، حيث تفتح Syntho البيانات باستخدام البيانات التركيبية وتدرك SAS رؤى البيانات باستخدام SAS Viya ، منصة التحليلات الرائدة.
بيانات تركيبية؟
يولد محرك Syntho الخاص بنا بيانات جديدة تمامًا تم إنشاؤها بشكل مصطنع. الاختلاف الرئيسي ، نحن نطبق الذكاء الاصطناعي لتقليد خصائص بيانات العالم الحقيقي في البيانات التركيبية ، وإلى حد أنه يمكن حتى استخدامها للتحليلات. لهذا السبب نسميها توأم البيانات الاصطناعية. إنها جيدة بقدر ما هي حقيقية ومطابقة إحصائيًا للبيانات الأصلية ، ولكن بدون مخاطر الخصوصية.
تم دمج محرك Syntho في SAS Viya
خلال هذا الهاكاثون ، قمنا بدمج Syntho Engine API في SAS Viya كخطوة. هنا تحققنا أيضًا من أن البيانات التركيبية جيدة حقًا مثل حقيقية في SAS Viya. قبل أن نبدأ بأبحاث السرطان ، اختبرنا هذا النهج المتكامل مع مجموعة بيانات مفتوحة وتم التحقق من صحتها إذا كانت البيانات التركيبية جيدة حقًا مثل حقيقية من خلال طرق التحقق المختلفة في SAS Viya.
هل البيانات التركيبية جيدة كما هي حقيقية؟
يتم الحفاظ على الارتباطات والعلاقات بين المتغيرات.
المساحة تحت المنحنى ، يتم الاحتفاظ بمقياس لأداء النموذج.
وحتى الأهمية المتغيرة ، القوة التنبؤية للمتغيرات لنموذج ما ، تبقى ثابتة عندما نقارن البيانات الأصلية بالبيانات التركيبية.
ومن ثم ، يمكننا أن نستنتج أن البيانات التركيبية التي تم إنشاؤها بواسطة محرك Syntho في SAS Viya هي في الواقع جيدة مثل الواقعية وأنه يمكننا استخدام البيانات الاصطناعية لتطوير النموذج. ومن ثم ، يمكننا أن نبدأ بأبحاث السرطان هذه للتنبؤ بالتدهور والوفيات.
بيانات تركيبية لأبحاث السرطان لمستشفى رائد
هنا ، استخدمنا محرك Syntho المدمج كخطوة في SAS Viya لإلغاء تأمين هذه البيانات الحساسة للخصوصية باستخدام البيانات الاصطناعية.
النتيجة ، AUC 0.74 ونموذج قادر على التنبؤ بالتدهور والوفيات.
نتيجة لاستخدام البيانات التركيبية ، تمكنا من إطلاق العنان لهذه الرعاية الصحية في موقف أقل خطورة ، ومزيد من البيانات ، ووصول أسرع للبيانات.
اجمع البيانات من مستشفيات متعددة
هذا ليس ممكنًا داخل المستشفى فحسب ، بل يمكن أيضًا دمج البيانات من عدة مستشفيات. ومن ثم ، كانت الخطوة التالية هي تجميع البيانات من عدة مستشفيات. تم تجميع بيانات المستشفى المختلفة ذات الصلة كمدخلات للنموذج في SAS Viya عبر محرك Syntho. هنا ، أدركنا أن AUC تبلغ 0.78 ، مما يدل على أن المزيد من البيانات ينتج عنه قوة تنبؤية أفضل لتلك النماذج.
النتائج
وهذه نتائج الهاكاثون:
- تم دمج Syntho في SAS Viya كخطوة
- يتم إنشاء البيانات الاصطناعية بنجاح عبر Syntho في SAS Viya
- تمت الموافقة على دقة البيانات التركيبية ، حيث أن النماذج المدربة على البيانات التركيبية متشابهة ثم النماذج المدربة على البيانات الأصلية
- توقعنا التدهور والوفيات على البيانات التركيبية كجزء من أبحاث السرطان
- وأظهرت زيادة في الجامعة الأمريكية بالقاهرة عند دمج البيانات التركيبية من عدة مستشفيات.
الخطوات التالية
الخطوات التالية هي
- تشمل المزيد من المستشفيات
- لتمديد حالات الاستخدام و
- أن تمتد لتشمل أي منظمة أخرى ، حيث أن التقنيات غير محددة القطاع.
هذه هي الطريقة التي تعمل بها Syntho و SAS على فتح البيانات وتحقيق رؤى مدفوعة بالبيانات في مجال الرعاية الصحية للتأكد من تزويد الرعاية الصحية بالموظفين بشكل جيد ، مع الضغط العادي لإنقاذ الأرواح.
احفظ بياناتك التركيبية في تقرير الرعاية الصحية!
- اكتشف دور البيانات التركيبية في قطاع الرعاية الصحية
- ما هي البيانات التركيبية ولماذا تستخدمها مؤسسات الرعاية الصحية؟
- حالات استخدام مرجع إضافة القيمة في الرعاية الصحية (مثل الأدوية والمستشفيات والتكنولوجيا الصحية وما إلى ذلك)
