Kita mbukak kunci potensial lengkap data kesehatan kanthi AI generatif sajrone Hackathon SAS.
Perawatan kesehatan mbutuhake wawasan drive data. Amarga perawatan kesehatan kurang tenaga, overpressed kanthi potensial kanggo nylametake nyawa. Nanging, data kesehatan minangka data sing paling sensitif privasi lan mulane dikunci. Data sensitif privasi iki:
Iki dadi masalah, amarga tujuane hackathon iki prédhiksi kerusakan lan kematian minangka bagean saka riset kanker kanggo rumah sakit terkemuka. Pramila Syntho lan SAS kolaborasi kanggo rumah sakit iki, ing ngendi Syntho mbukak data kanthi data sintetik lan SAS nyadari wawasan data karo SAS Viya, platform analytics sing unggul.
Mesin Syntho kita ngasilake data sing digawe kanthi artifisial anyar. Bentenane utama, kita nggunakake AI kanggo niru karakteristik data donya nyata ing data sintetik, lan nganti bisa digunakake kanggo analytics. Mulane diarani kembar data sintetik. Iku apik minangka nyata lan statistik identik karo data asli, nanging tanpa risiko privasi.
Sajrone hackathon iki, kita nggabungake Syntho Engine API ing SAS Viya minangka langkah. Ing kene kita uga divalidasi manawa data sintetik pancen apik kaya nyata ing SAS Viya. Sadurunge miwiti riset kanker, kita nyoba pendekatan terintegrasi iki kanthi dataset mbukak lan divalidasi yen data sintetik pancen bener-bener nyata liwat macem-macem metode validasi ing SAS Viya.
Korelasi, hubungan antarane variabel, dilestarekake.
Area Ing sangisore kurva, ukuran kinerja model, dilestarekake.
Malah pentinge variabel, daya prediksi variabel kanggo model, tetep nalika mbandhingake data asli karo data sintetik.
Mula, kita bisa nyimpulake manawa data sintetik sing digawe dening Mesin Syntho ing SAS Viya pancen apik banget lan bisa nggunakake data sintetik kanggo pangembangan model. Mula, kita bisa miwiti riset kanker iki kanggo prédhiksi rusak lan kematian.
Ing kene, kita nggunakake Mesin Syntho terintegrasi minangka langkah ing SAS Viya kanggo mbukak kunci data sensitif privasi iki nganggo data sintetik.
Asil, AUC saka 0.74 lan model sing bisa kanggo prédhiksi rusak lan mortalitas.
Minangka asil nggunakake data sintetik, kita bisa mbukak kunci kesehatan iki ing kahanan karo resiko kurang, data luwih lan akses data luwih cepet.
Iki ora mung bisa ditindakake ing rumah sakit, uga data saka pirang-pirang rumah sakit bisa digabung. Mula, langkah sabanjure yaiku sintesis data saka pirang-pirang rumah sakit. Data rumah sakit sing beda-beda disintesis minangka input kanggo model ing SAS Viya liwat Mesin Syntho. Ing kene, kita nyadari AUC 0.78, nuduhake manawa data luwih akeh ngasilake kekuwatan prediksi sing luwih apik saka model kasebut.
Lan iki minangka asil saka hackathon iki:
Langkah sabanjure yaiku
Iki minangka cara Syntho lan SAS mbukak kunci data lan nyadari data sing didorong data babagan perawatan kesehatan kanggo mesthekake perawatan kesehatan kanthi apik, kanthi tekanan normal kanggo nylametake nyawa.