Yksityisyydestä mahdollisuuteen: Synteettisten tietojen käyttö SAS Viyan integroidun Syntho Enginen kautta osana SAS Hackathonia yksityisyyden arkaluonteisten tietojen avaamiseen
Avaamme terveydenhuollon tietojen täyden potentiaalin generatiivisen tekoälyn avulla SAS Hackathonin aikana.
Miksi avata yksityisyyteen liittyviä arkaluonteisia terveydenhuoltotietoja?
Terveydenhuolto tarvitsee kipeästi tiedonsiirtotietoja. Koska terveydenhuollossa on alihenkilöstöä, ylipainetta, joka voi pelastaa ihmishenkiä. Terveydenhuollon tiedot ovat kuitenkin kaikkein arkaluontoisimpia tietoja ja siksi ne on lukittu. Nämä tietosuojan arkaluontoiset tiedot:
- Käyttöönotto vie aikaa
- Vaatii laajaa paperityötä
- Eikä sitä voi yksinkertaisesti käyttää
Tämä on ongelmallista, sillä tavoitteemme tälle hackathonille ennustaa huononemista ja kuolleisuutta osana johtavan sairaalan syöpätutkimusta. Siksi Syntho ja SAS tekevät yhteistyötä tässä sairaalassa, jossa Syntho avaa dataa synteettisellä tiedolla ja SAS toteuttaa datatietoja SAS Viyan, johtavan analytiikkaalustan, kanssa.
Synteettistä dataa?
Syntho Enginemme luo täysin uutta keinotekoisesti tuotettua dataa. Keskeinen ero on se, että käytämme tekoälyä matkimaan reaalimaailman datan ominaisuuksia synteettisissä tiedoissa ja siinä määrin, että sitä voidaan käyttää jopa analytiikkaan. Siksi kutsumme sitä synteettiseksi datakaksoisiksi. Se on yhtä hyvä kuin todellinen ja tilastollisesti identtinen alkuperäisen tiedon kanssa, mutta ilman tietosuojariskejä.
Syntho Engine integroitu SAS Viyaan
Tämän hackathonin aikana integroimme Syntho Engine -sovellusliittymän SAS Viyaan vaiheena. Täällä vahvistimme myös, että synteettiset tiedot ovat todellakin yhtä hyviä kuin todellisia SAS Viyassa. Ennen kuin aloitimme syöpätutkimuksen, testasimme tätä integroitua lähestymistapaa avoimella tietojoukolla ja validoimme, ovatko synteettiset tiedot todella yhtä hyviä kuin todellisia SAS Viyan eri validointimenetelmillä.
Onko synteettinen data yhtä hyvää kuin todellista?
Korrelaatiot, muuttujien väliset suhteet säilyvät.
Käyrän alla oleva pinta-ala, mallin suorituskyvyn mitta, säilyy.
Ja jopa muuttujan tärkeys, muuttujien ennustevoima mallille, pätee, kun vertaamme alkuperäistä dataa synteettiseen dataan.
Tästä syystä voimme päätellä, että Syntho Enginen SAS Viyassa luoma synteettinen data on todellakin yhtä hyvää kuin todellinen ja että voimme käyttää synteettistä dataa mallin kehittämiseen. Siksi voimme aloittaa tällä syöpätutkimuksella ennustaaksemme huononemista ja kuolleisuutta.
Synteettiset tiedot johtavan sairaalan syöpätutkimukselle
Tässä käytimme integroitua Syntho Engineä vaiheena SAS Viyassa näiden yksityisyyden arkaluonteisten tietojen lukituksen avaamiseksi synteettisillä tiedoilla.
Tuloksena AUC 0.74 ja malli, joka pystyy ennustamaan heikkenemisen ja kuolleisuuden.
Synteettisten tietojen käytön ansiosta pystyimme avaamaan tämän terveydenhuollon tilanteessa, jossa riskit, enemmän dataa ja nopeampi pääsy dataan oli pienempi.
Yhdistä useiden sairaaloiden tiedot
Tämä ei ole mahdollista vain sairaalan sisällä, vaan myös useiden sairaaloiden tietoja voidaan yhdistää. Siksi seuraava askel oli tietojen syntetisointi useista sairaaloista. Eri asiaankuuluvat sairaalatiedot syntetisoitiin mallin syötteeksi SAS Viyassa Syntho Enginen kautta. Tässä havaitsimme AUC-arvon 0.78, mikä osoittaa, että enemmän dataa parantaa näiden mallien ennustetehoa.
tulokset
Ja nämä ovat tämän hackathonin tulokset:
- Syntho on integroitu SAS Viyaan vaiheena
- synteettiset tiedot on luotu onnistuneesti Synthon kautta SAS Viyassa
- Synteettisten tietojen tarkkuus on hyväksytty, koska synteettiseen dataan koulutetut mallit ovat samanlaisia kuin alkuperäisillä tiedoilla koulutetut mallit
- ennustimme huononemista ja kuolleisuutta synteettisten tietojen perusteella osana syöpätutkimusta
- ja osoitti AUC:n kasvun, kun yhdistettiin useiden sairaaloiden synteettisiä tietoja.
Seuraavat vaiheet
Seuraavat vaiheet ovat
- sisältää enemmän sairaaloita
- laajentaa käyttötapauksia ja
- ulottaa kaikkiin muihin organisaatioihin, koska tekniikat ovat sektoriagnostisia.
Näin Syntho ja SAS vapauttavat datan lukituksen ja toteuttavat tietopohjaisia oivalluksia terveydenhuollossa varmistaakseen, että terveydenhuollossa on hyvä henkilökunta ja normaali paine pelastaa ihmishenkiä.
Tallenna synteettiset tietosi terveydenhuollon raporttiin!
- Tutustu synteettisten tietojen rooliin terveydenhuoltoalalla
- Mitä synteettinen data on ja miksi terveydenhuollon organisaatiot käyttävät sitä?
- Arvoa lisääviä viitekäyttötapauksia terveydenhuollossa (kuten lääkkeet, sairaalat, terveysteknologia jne.)
