Během SAS Hackathonu odemykáme plný potenciál zdravotnických dat pomocí generativní umělé inteligence.
Zdravotnictví nutně potřebuje statistiky datových jednotek. Protože zdravotnictví je poddimenzované, přehnané tlakem na potenciál zachraňovat životy. Údaje o zdravotní péči jsou však nejcitlivějšími údaji o ochraně soukromí, a proto jsou uzamčeny. Tyto údaje citlivé na soukromí:
To je problematické, protože naším cílem pro tento hackathon je předpovídat zhoršení stavu a úmrtnost v rámci výzkumu rakoviny pro přední nemocnici. To je důvod, proč Syntho a SAS spolupracují pro tuto nemocnici, kde Syntho odemyká data pomocí syntetických dat a SAS realizuje pohledy na data pomocí SAS Viya, přední analytické platformy.
Náš Syntho Engine generuje zcela nová uměle generovaná data. Hlavním rozdílem je, že používáme umělou inteligenci k napodobování charakteristik reálných dat v syntetických datech, a to do takové míry, že ji lze dokonce použít pro analýzu. Proto tomu říkáme dvojče syntetických dat. Jsou stejně dobré jako skutečné a statisticky identické s původními údaji, ale bez rizik pro soukromí.
Během tohoto hackathonu jsme jako krok integrovali API Syntho Engine do SAS Viya. Zde jsme také potvrdili, že syntetická data jsou v SAS Viya skutečně stejně dobrá jako skutečná. Než jsme začali s výzkumem rakoviny, otestovali jsme tento integrovaný přístup s otevřeným souborem dat a pomocí různých validačních metod v SAS Viya jsme ověřili, zda jsou syntetická data skutečně stejně dobrá jako skutečná.
Korelace, vztahy mezi proměnnými, jsou zachovány.
Oblast pod křivkou, míra výkonu modelu, je zachována.
A dokonce i proměnná důležitost, prediktivní síla proměnných pro model, platí, když porovnáme původní data se syntetickými daty.
Můžeme tedy dojít k závěru, že syntetická data generovaná Syntho Engine v SAS Viya jsou skutečně stejně dobrá jako skutečná a že syntetická data můžeme použít pro vývoj modelu. Můžeme tedy začít s tímto výzkumem rakoviny, abychom předpověděli zhoršení stavu a úmrtnost.
Zde jsme použili integrovaný Syntho Engine jako krok v SAS Viya k odemknutí těchto citlivých dat pomocí syntetických dat.
Výsledkem je AUC 0.74 a model, který je schopen předpovědět zhoršení a mortalitu.
Díky použití syntetických dat jsme byli schopni odemknout tuto zdravotní péči v situaci s menším rizikem, více daty a rychlejším přístupem k datům.
To není možné pouze v rámci nemocnice, lze také kombinovat data z více nemocnic. Dalším krokem tedy bylo syntetizovat data z více nemocnic. Různá relevantní nemocniční data byla syntetizována jako vstup pro model v SAS Viya prostřednictvím Syntho Engine. Zde jsme si uvědomili AUC 0.78, což dokazuje, že více dat vede k lepší prediktivní schopnosti těchto modelů.
A toto jsou výsledky tohoto hackathonu:
Další kroky jsou k
Takto Syntho a SAS odemykají data a realizují daty řízené poznatky ve zdravotnictví, aby se ujistil, že zdravotní péče je dobře personálně zajištěna, s normálním tlakem na záchranu životů.