Մենք բացում ենք առողջապահական տվյալների ողջ ներուժը գեներատիվ AI-ի միջոցով SAS Hackathon-ի ժամանակ:
Առողջապահությունը խիստ կարիք ունի տվյալների շարժիչի պատկերացումների: Որովհետև առողջապահությունը թերի է, ճնշումների ենթարկված՝ կյանքեր փրկելու ներուժով: Այնուամենայնիվ, առողջապահական տվյալները գաղտնիության առավել զգայուն տվյալներն են և, հետևաբար, կողպված են: Այս գաղտնիության զգայուն տվյալները.
Սա խնդրահարույց է, քանի որ այս հաքաթոնի մեր նպատակն է կանխատեսել վատթարացումն ու մահացությունը՝ որպես առաջատար հիվանդանոցի քաղցկեղի հետազոտության մաս: Ահա թե ինչու Syntho-ն և SAS-ը համագործակցում են այս հիվանդանոցի համար, որտեղ Syntho-ն բացում է տվյալները սինթետիկ տվյալների միջոցով, իսկ SAS-ն իրականացնում է տվյալների պատկերացումներ SAS Viya-ի՝ վերլուծական առաջատար հարթակի հետ:
Մեր Syntho Engine-ը ստեղծում է բոլորովին նոր արհեստականորեն ստեղծված տվյալներ: Հիմնական տարբերությունը, մենք կիրառում ենք AI-ն՝ ընդօրինակելու իրական աշխարհի տվյալների բնութագրերը սինթետիկ տվյալների մեջ և այնքանով, որ այն կարող է օգտագործվել նույնիսկ վերլուծության համար: Ահա թե ինչու մենք այն անվանում ենք սինթետիկ տվյալների երկվորյակ: Այն նույնքան իրական է և վիճակագրորեն նույնական է սկզբնական տվյալներին, բայց առանց գաղտնիության ռիսկերի:
Այս հաքաթոնի ընթացքում մենք որպես քայլ ինտեգրեցինք Syntho Engine API-ն SAS Viya-ում: Այստեղ մենք նաև հաստատեցինք, որ սինթետիկ տվյալները իսկապես այնքան լավն են, որքան իրական են SAS Viya-ում: Նախքան քաղցկեղի հետազոտությունը սկսելը, մենք փորձարկեցինք այս ինտեգրված մոտեցումը բաց տվյալների բազայի միջոցով և հաստատեցինք, թե արդյոք սինթետիկ տվյալները իսկապես նույնքան իրական են SAS Viya-ում վավերացման տարբեր մեթոդների միջոցով:
Հարաբերությունները, փոփոխականների հարաբերությունները պահպանվում են։
Պահպանվել է կորի տակ գտնվող տարածքը՝ մոդելի կատարողականի չափանիշ:
Եվ նույնիսկ փոփոխական նշանակությունը, մոդելի համար փոփոխականների կանխատեսող ուժը, պահպանվում է, երբ մենք սկզբնական տվյալները համեմատում ենք սինթետիկ տվյալների հետ:
Հետևաբար, մենք կարող ենք եզրակացնել, որ SAS Viya-ում Syntho Engine-ի կողմից ստեղծված սինթետիկ տվյալները իսկապես լավն են, ինչպես իրական, և որ մենք կարող ենք օգտագործել սինթետիկ տվյալներ մոդելի մշակման համար: Հետևաբար, մենք կարող ենք սկսել քաղցկեղի այս հետազոտությունից՝ կանխատեսելու վատթարացումը և մահացությունը:
Այստեղ մենք օգտագործեցինք ինտեգրված Syntho Engine-ը որպես SAS Viya-ի քայլ՝ այս գաղտնիության զգայուն տվյալները սինթետիկ տվյալների միջոցով բացելու համար:
Արդյունքը՝ AUC 0.74 և մոդել, որն ի վիճակի է կանխատեսել վատթարացումն ու մահացությունը:
Սինթետիկ տվյալների օգտագործման արդյունքում մենք կարողացանք բացել այս առողջապահությունը մի իրավիճակում, որտեղ ավելի քիչ ռիսկեր կան, ավելի շատ տվյալներ և տվյալների ավելի արագ հասանելիություն:
Դա հնարավոր է ոչ միայն հիվանդանոցի ներսում, այլև կարելի է համատեղել բազմաթիվ հիվանդանոցների տվյալները: Հետևաբար, հաջորդ քայլը բազմաթիվ հիվանդանոցներից տվյալների սինթեզումն էր: Տարբեր համապատասխան հիվանդանոցային տվյալներ սինթեզվել են որպես մոդելի մուտքագրում SAS Viya-ում Syntho Engine-ի միջոցով: Այստեղ մենք հասկացանք 0.78 AUC-ն՝ ցույց տալով, որ ավելի շատ տվյալներ հանգեցնում են այդ մոդելների ավելի լավ կանխատեսող հզորությանը:
Եվ ահա այս հաքաթոնի արդյունքները.
Հաջորդ քայլերն են
Ահա թե ինչպես են Syntho-ն և SAS-ը բացում են տվյալները և գիտակցում են տվյալների վրա հիմնված պատկերացումները առողջապահության ոլորտում՝ համոզվելու համար, որ առողջապահությունը լավ կադրային է, նորմալ ճնշումով՝ կյանքեր փրկելու համար: