هکاتون SAS یک رویداد فوقالعاده بود که 104 تیم از 75 کشور را در یک نمایشگاه واقعاً جهانی از استعدادها گرد هم آورد. در این محیط بسیار رقابتی، مفتخریم که اعلام کنیم پس از ماهها تلاش سخت، Syntho به شهرت رسید و پیروزی چشمگیری را در بخش مراقبتهای بهداشتی و علوم زیستی به دست آورد. با پیشی گرفتن از 18 شرکت بزرگ دیگر، دستاورد برجسته ما موقعیت ما را به عنوان رهبران در این زمینه تخصصی تثبیت کرد.
آینده تجزیه و تحلیل دادهها با دادههای مصنوعی متحول خواهد شد، بهویژه در بخشهایی که دادههای حساس به حریم خصوصی، مانند دادههای مراقبتهای بهداشتی، در اولویت هستند. با این حال، دسترسی به این اطلاعات ارزشمند اغلب توسط فرآیندهای دست و پا گیر، از جمله زمان بر، مملو از کاغذبازی های گسترده و محدودیت های متعدد، مانع می شود. با درک این پتانسیل، Syntho به نیروهای خود پیوست SAS برای SAS Hackathon انجام یک پروژه مشترک با هدف بهبود مراقبت از بیمار در موسسات مراقبت های بهداشتی. Syntho با باز کردن قفل دادههای حساس به حریم خصوصی از طریق دادههای مصنوعی و استفاده از قابلیتهای تجزیه و تحلیل SAS، تلاش میکند تا بینشهای ارزشمندی را ارائه دهد که پتانسیل شکلدهی آینده مراقبتهای بهداشتی را دارد.
دادههای بیمار معدن طلایی از اطلاعات است که میتواند مراقبتهای بهداشتی را متحول کند، اما ماهیت حساس به حریم خصوصی آن اغلب چالشهای مهمی را در دسترسی و استفاده از آن ایجاد میکند. سینتو این معضل را درک کرد و با همکاری با SAS در طول هکاتون SAS به دنبال غلبه بر آن بود. هدف بازگشایی دادههای بیمار حساس به حریم خصوصی با استفاده از دادههای مصنوعی و در دسترس قرار دادن آنها برای تجزیه و تحلیل از طریق SAS Viya بود. این تلاش مشترک نه تنها نویدبخش بهبود در مراقبتهای بهداشتی، بهویژه در زمینه تحقیقات سرطان است، و فرآیند باز کردن و تجزیه و تحلیل دادهها را یکپارچه و کارآمد میکند، بلکه حداکثر محافظت از حریم خصوصی بیمار را تضمین میکند.
در هکاتون، ما با موفقیت Syntho Engine API را به عنوان یک گام مهم در پروژه خود در SAS Viya گنجاندیم. این ادغام نه تنها ادغام داده های مصنوعی را تسهیل کرد، بلکه یک محیط ایده آل برای اعتبارسنجی وفاداری آن در SAS Viya نیز فراهم کرد. قبل از شروع تحقیقات سرطان ما، آزمایشات گسترده ای با استفاده از یک مجموعه داده باز برای ارزیابی اثربخشی این رویکرد یکپارچه انجام شد. از طریق روشهای اعتبارسنجی مختلف موجود در SAS Viya، ما اطمینان حاصل کردیم که دادههای مصنوعی سطحی از کیفیت و شباهت به دادههای واقعی را نشان میدهند که آنها را واقعاً قابل مقایسه میدانستند و ماهیت «بهعنوان خوب» آن را تأیید میکنند.
همبستگی ها و روابط بین متغیرها به دقت در داده های مصنوعی حفظ شد.
منطقه زیر منحنی (AUC)، معیاری برای اندازهگیری عملکرد مدل، ثابت ماند.
علاوه بر این، اهمیت متغیر، که قدرت پیشبینی متغیرها را در یک مدل نشان میدهد، هنگام مقایسه دادههای مصنوعی با مجموعه داده اصلی دست نخورده باقی ماند.
بر اساس این مشاهدات، میتوانیم با اطمینان نتیجه بگیریم که دادههای مصنوعی تولید شده توسط Syntho Engine در SAS Viya واقعاً از نظر کیفیت با دادههای واقعی همتراز است. این استفاده از داده های مصنوعی برای توسعه مدل را تأیید می کند و راه را برای تحقیقات سرطان متمرکز بر پیش بینی زوال و مرگ و میر هموار می کند.
نتایج تاثیرگذار با داده های مصنوعی در زمینه تحقیقات سرطان:
استفاده از موتور یکپارچه Syntho در SAS Viya نتایج موثری در تحقیقات سرطان برای یک بیمارستان برجسته به همراه داشته است. با استفاده از داده های مصنوعی، اطلاعات مراقبت های بهداشتی حساس به حریم خصوصی با موفقیت باز شد و امکان تجزیه و تحلیل با کاهش خطر، افزایش در دسترس بودن داده ها و دسترسی سریع را فراهم کرد.
قابل ذکر است، استفاده از دادههای مصنوعی منجر به توسعه مدلی شد که قادر به پیشبینی زوال و مرگ و میر بود و به ناحیه زیر منحنی چشمگیر (AUC) 0.74 دست یافت. علاوه بر این، ترکیب داده های مصنوعی از چندین بیمارستان منجر به افزایش قابل توجه قدرت پیش بینی می شود، همانطور که با افزایش AUC مشهود است. این نتایج بر پتانسیل تغییردهنده داده های مصنوعی در ایجاد بینش ها و پیشرفت های مبتنی بر داده در حوزه مراقبت های بهداشتی تاکید می کند.
نتیجه برای یک بیمارستان پیشرو، AUC 0.74 و مدلی که قادر به پیش بینی وخامت و مرگ و میر است.
نتیجه برای چندگانه بیمارستان ها، AUC 0.78، نشان می دهد که داده های بیشتر منجر به قدرت پیش بینی بهتر آن مدل ها می شود.
در طول این هکاتون، نتایج قابل توجهی به دست آمد.
1. Syntho، یک ابزار پیشرفته تولید داده مصنوعی، به عنوان یک گام مهم به طور یکپارچه در SAS Viya ادغام شد.
2. تولید موفقیت آمیز داده های مصنوعی در SAS Viya با استفاده از Syntho یک دستاورد مهم بود.
3. قابل توجه، دقت داده های مصنوعی کاملاً تأیید شد، زیرا مدل های آموزش داده شده بر روی این داده ها امتیازات قابل مقایسه ای را با مدل های آموزش داده شده بر روی داده های اصلی به نمایش گذاشتند.
4. این نقطه عطف، تحقیقات سرطان را با امکان پیشبینی وخامت و مرگ و میر با استفاده از دادههای مصنوعی پیش برد.
5. قابل توجه، با ترکیب داده های مصنوعی از چندین بیمارستان، یک نمایش افزایش در ناحیه زیر منحنی (AUC) را نشان داد.
همانطور که پیروزی خود را جشن می گیریم، با اهداف بلندپروازانه به آینده نگاه می کنیم. گامهای بعدی شامل گسترش همکاریها با بیمارستانهای بیشتر، بررسی موارد استفاده متنوع و گسترش کاربرد دادههای مصنوعی در بخشهای مختلف است. هدف ما با تکنیکهایی است که به بخشها وابسته هستند، قفل دادهها را باز کنیم و به بینشهای مبتنی بر داده در مراقبتهای بهداشتی و فراتر از آن پی ببریم. تأثیر داده های مصنوعی در تجزیه و تحلیل مراقبت های بهداشتی تازه آغاز است، زیرا SAS Hackathon علاقه و مشارکت گسترده دانشمندان داده و علاقه مندان به فناوری در سراسر جهان را نشان داد.
پیروزی پیشگامانه Syntho در رده SAS Hackathon's Health Care & Life Science نشان دهنده یک نقطه عطف مهم در استفاده از داده های مصنوعی برای تجزیه و تحلیل مراقبت های بهداشتی است. ادغام موتور Syntho در SAS Viya قدرت و دقت دادههای مصنوعی را برای مدلسازی و تحلیل پیشبینیکننده به نمایش گذاشت. Syntho با همکاری با SAS و باز کردن دادههای حساس به حریم خصوصی، پتانسیل دادههای مصنوعی را برای متحول کردن مراقبت از بیمار، بهبود نتایج تحقیقات و ایجاد بینشهای مبتنی بر داده در صنعت مراقبتهای بهداشتی نشان داده است.