Den næste store ting for Erasmus MC – AI genereret syntetiske data

Ved Erasmus MC, et af de førende hospitaler, er det muligt at anmode om syntetiske data genereret af Synthos Syntho motor. Det Smart Health Tech Center (SHTC) – Erasmus MC arrangerede det officielle kick-off sidste torsdag den 30. marts, hvor Robert Veen (Research Suite) og Wim Kees Janssen (Syntho ) besvarede spørgsmålene: 'Hvad er syntetiske data?''Hvorfor gør vi det her?'og 'Hvordan fungerer det her inden for Erasmus MC?'.

Hvad er AI-genererede syntetiske data?

Reelle data indsamles ved at indhente oplysninger om rigtige patienter, medarbejdere og interne forretningsprocesser. Syntetiske data er på den anden side genereret af en algoritme, der skaber helt nye og fiktive datapunkter, hvor individer ikke længere eksisterer.

En vigtig forskel er brugen af ​​kunstig intelligens til at efterligne og reproducere karakteristika, mønstre og egenskaber af de virkelige data i de syntetiske data.

Resultatet: AI-genereret syntetiske data, der er lige så nøjagtige som de rigtige data. Derfor kan det endda bruges til analyser, som om det var rigtige data.

Det er derfor Syntho kalder det en "Synthetic Data Twin": dataene er så-god-som-rigtig, men kan bruges uden privatlivsudfordringerne.

Hvorfor gør vi det her?

Lås op for data og reducer "Time-to-Data"

Ved at bruge syntetiske data i stedet for rigtige data kan vi som organisation reducere risikovurderinger og tilhørende tidskrævende processer. Det giver os mulighed for at låse op for flere og yderligere datasæt. Vi kan også sikre, at anmodninger om at få adgang til data kan accelereres, så vi kan reducere "time-to-data". Med dette bygger Erasmus MC et stærkt fundament for at accelerere datadrevet innovation.

Repræsentative data til testformål

Test og udvikling med repræsentative testdata er afgørende for at levere avancerede teknologiske løsninger. En syntetisk datatvilling baseret på produktionsdataene resulterer i data, der kan bruges som testdata. Resultatet: produktionslignende data, privacy by design i en løsning, der fungerer nemt, hurtigt og er skalerbar. Ved at gøre smart brug af generativ AI i skabelsen af ​​syntetiske data er det desuden også muligt at forstørre og simulere datasæt. Dette kan for eksempel være en løsning, når der er utilstrækkelige data (dataknaphed), eller når du vil up-sample kantsager.

Analyse med AI-genererede syntetiske data

AI anvendes til at modellere de syntetiske data på en sådan måde, at de statistiske mønstre, sammenhænge og karakteristika bevares på en sådan måde, at de kan endda bruges til analyser. Især i udviklingsfasen af ​​modeller vil vi foretrække brugen af ​​syntetiske data og altid udfordre brugere af data: "hvorfor bruge rigtige data, når man også kan bruge syntetiske data"?

Hvordan fungerer dette på Erasmus MC?

Vil du bruge et syntetisk datasæt? Eller ønsker du at modtage mere information om mulighederne? Kontakt venligst Research Suite af Erasmus MC.

Interesseret i AI Generated Synthetic Data og vil du dykke i dybden i mulighederne? Kontakt vores eksperter or anmode om en demo.