ನಾವು SAS ಹ್ಯಾಕಥಾನ್ ಸಮಯದಲ್ಲಿ ಜನರೇಟಿವ್ AI ಜೊತೆಗೆ ಆರೋಗ್ಯ ರಕ್ಷಣೆಯ ಡೇಟಾದ ಸಂಪೂರ್ಣ ಸಾಮರ್ಥ್ಯವನ್ನು ಅನ್ಲಾಕ್ ಮಾಡುತ್ತೇವೆ.
ಆರೋಗ್ಯ ರಕ್ಷಣೆಗೆ ಡೇಟಾ ಡ್ರೈವ್ ಒಳನೋಟಗಳು ತೀವ್ರವಾಗಿ ಅಗತ್ಯವಿದೆ. ಆರೋಗ್ಯ ರಕ್ಷಣೆಯು ಕಡಿಮೆ ಸಿಬ್ಬಂದಿಯನ್ನು ಹೊಂದಿರುವುದರಿಂದ, ಜೀವಗಳನ್ನು ಉಳಿಸುವ ಸಾಮರ್ಥ್ಯದೊಂದಿಗೆ ಹೆಚ್ಚಿನ ಒತ್ತಡವನ್ನು ಹೊಂದಿದೆ. ಆದಾಗ್ಯೂ, ಹೆಲ್ತ್ಕೇರ್ ಡೇಟಾ ಅತ್ಯಂತ ಗೌಪ್ಯತೆಯ ಸೂಕ್ಷ್ಮ ಡೇಟಾ ಮತ್ತು ಆದ್ದರಿಂದ ಲಾಕ್ ಮಾಡಲಾಗಿದೆ. ಈ ಗೌಪ್ಯತೆ ಸೂಕ್ಷ್ಮ ಡೇಟಾ:
ಇದು ಸಮಸ್ಯಾತ್ಮಕವಾಗಿದೆ, ಈ ಹ್ಯಾಕಥಾನ್ನ ನಮ್ಮ ಗುರಿಯು ಪ್ರಮುಖ ಆಸ್ಪತ್ರೆಯ ಕ್ಯಾನ್ಸರ್ ಸಂಶೋಧನೆಯ ಭಾಗವಾಗಿ ಅವನತಿ ಮತ್ತು ಮರಣವನ್ನು ಮುನ್ಸೂಚಿಸುತ್ತದೆ. ಅದಕ್ಕಾಗಿಯೇ ಸಿಂಥೋ ಮತ್ತು SAS ಈ ಆಸ್ಪತ್ರೆಗೆ ಸಹಕರಿಸುತ್ತವೆ, ಅಲ್ಲಿ ಸಿಂಥೋ ಸಿಂಥೆಟಿಕ್ ಡೇಟಾದೊಂದಿಗೆ ಡೇಟಾವನ್ನು ಅನ್ಲಾಕ್ ಮಾಡುತ್ತದೆ ಮತ್ತು SAS ಪ್ರಮುಖ ವಿಶ್ಲೇಷಣಾ ವೇದಿಕೆಯಾದ SAS Viya ಜೊತೆಗೆ ಡೇಟಾ ಒಳನೋಟಗಳನ್ನು ಅರಿತುಕೊಳ್ಳುತ್ತದೆ.
ನಮ್ಮ ಸಿಂಥೋ ಎಂಜಿನ್ ಸಂಪೂರ್ಣವಾಗಿ ಹೊಸ ಕೃತಕವಾಗಿ ರಚಿಸಲಾದ ಡೇಟಾವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ. ಪ್ರಮುಖ ವ್ಯತ್ಯಾಸವೆಂದರೆ, ಸಿಂಥೆಟಿಕ್ ಡೇಟಾದಲ್ಲಿ ನೈಜ ಪ್ರಪಂಚದ ದತ್ತಾಂಶದ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಅನುಕರಿಸಲು ನಾವು AI ಅನ್ನು ಅನ್ವಯಿಸುತ್ತೇವೆ ಮತ್ತು ಅದನ್ನು ವಿಶ್ಲೇಷಣೆಗೆ ಸಹ ಬಳಸಬಹುದು. ಅದಕ್ಕಾಗಿಯೇ ನಾವು ಇದನ್ನು ಸಿಂಥೆಟಿಕ್ ಡೇಟಾ ಅವಳಿ ಎಂದು ಕರೆಯುತ್ತೇವೆ. ಇದು ನೈಜವಾಗಿ ಉತ್ತಮವಾಗಿದೆ ಮತ್ತು ಮೂಲ ಡೇಟಾಗೆ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯವಾಗಿ ಹೋಲುತ್ತದೆ, ಆದರೆ ಗೌಪ್ಯತೆ ಅಪಾಯಗಳಿಲ್ಲದೆ.
ಈ ಹ್ಯಾಕಥಾನ್ ಸಮಯದಲ್ಲಿ, ನಾವು SAS Viya ನಲ್ಲಿ ಸಿಂಥೋ ಎಂಜಿನ್ API ಅನ್ನು ಹಂತವಾಗಿ ಸಂಯೋಜಿಸಿದ್ದೇವೆ. ಇಲ್ಲಿ ನಾವು SAS Viya ದಲ್ಲಿ ಸಿಂಥೆಟಿಕ್ ಡೇಟಾವು ನಿಜವಾಗಿ ಉತ್ತಮವಾಗಿದೆ ಎಂದು ಮೌಲ್ಯೀಕರಿಸಿದ್ದೇವೆ. ನಾವು ಕ್ಯಾನ್ಸರ್ ಸಂಶೋಧನೆಯನ್ನು ಪ್ರಾರಂಭಿಸುವ ಮೊದಲು, ನಾವು ಈ ಸಮಗ್ರ ವಿಧಾನವನ್ನು ತೆರೆದ ಡೇಟಾಸೆಟ್ನೊಂದಿಗೆ ಪರೀಕ್ಷಿಸಿದ್ದೇವೆ ಮತ್ತು SAS Viya ದಲ್ಲಿ ವಿವಿಧ ಮೌಲ್ಯೀಕರಣ ವಿಧಾನಗಳ ಮೂಲಕ ಸಿಂಥೆಟಿಕ್ ಡೇಟಾವು ನಿಜವಾಗಿ ಉತ್ತಮವಾಗಿದೆಯೇ ಎಂದು ಮೌಲ್ಯೀಕರಿಸಲಾಗಿದೆ.
ಪರಸ್ಪರ ಸಂಬಂಧಗಳು, ಅಸ್ಥಿರಗಳ ನಡುವಿನ ಸಂಬಂಧಗಳನ್ನು ಸಂರಕ್ಷಿಸಲಾಗಿದೆ.
ಕರ್ವ್ ಅಡಿಯಲ್ಲಿ ಪ್ರದೇಶ, ಮಾದರಿ ಕಾರ್ಯಕ್ಷಮತೆಯ ಅಳತೆ, ಸಂರಕ್ಷಿಸಲಾಗಿದೆ.
ಮತ್ತು ನಾವು ಮೂಲ ಡೇಟಾವನ್ನು ಸಿಂಥೆಟಿಕ್ ಡೇಟಾದೊಂದಿಗೆ ಹೋಲಿಸಿದಾಗ ವೇರಿಯಬಲ್ ಪ್ರಾಮುಖ್ಯತೆ, ಮಾದರಿಯ ಅಸ್ಥಿರಗಳ ಮುನ್ಸೂಚಕ ಶಕ್ತಿಯು ಸಹ ಹೊಂದಿದೆ.
ಆದ್ದರಿಂದ, SAS Viyaದಲ್ಲಿ ಸಿಂಥೋ ಇಂಜಿನ್ನಿಂದ ಉತ್ಪತ್ತಿಯಾಗುವ ಸಂಶ್ಲೇಷಿತ ದತ್ತಾಂಶವು ನಿಜವಾಗಿ ಉತ್ತಮ-ವಾಸ್ತವವಾಗಿದೆ ಮತ್ತು ನಾವು ಮಾದರಿ ಅಭಿವೃದ್ಧಿಗಾಗಿ ಸಂಶ್ಲೇಷಿತ ಡೇಟಾವನ್ನು ಬಳಸಬಹುದು ಎಂದು ನಾವು ತೀರ್ಮಾನಿಸಬಹುದು. ಆದ್ದರಿಂದ, ಕ್ಷೀಣತೆ ಮತ್ತು ಮರಣವನ್ನು ಊಹಿಸಲು ನಾವು ಈ ಕ್ಯಾನ್ಸರ್ ಸಂಶೋಧನೆಯೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸಬಹುದು.
ಇಲ್ಲಿ, ಸಿಂಥೆಟಿಕ್ ಡೇಟಾದೊಂದಿಗೆ ಈ ಗೌಪ್ಯತಾ ಸೂಕ್ಷ್ಮ ಡೇಟಾವನ್ನು ಅನ್ಲಾಕ್ ಮಾಡಲು ನಾವು SAS Viya ಹಂತವಾಗಿ ಸಂಯೋಜಿತ ಸಿಂಥೋ ಎಂಜಿನ್ ಅನ್ನು ಬಳಸಿದ್ದೇವೆ.
ಫಲಿತಾಂಶ, 0.74 ರ AUC ಮತ್ತು ಕ್ಷೀಣತೆ ಮತ್ತು ಮರಣವನ್ನು ಊಹಿಸಲು ಸಾಧ್ಯವಾಗುವ ಮಾದರಿ.
ಸಿಂಥೆಟಿಕ್ ಡೇಟಾವನ್ನು ಬಳಸುವುದರ ಪರಿಣಾಮವಾಗಿ, ಕಡಿಮೆ ಅಪಾಯ, ಹೆಚ್ಚಿನ ಡೇಟಾ ಮತ್ತು ವೇಗವಾದ ಡೇಟಾ ಪ್ರವೇಶವನ್ನು ಹೊಂದಿರುವ ಪರಿಸ್ಥಿತಿಯಲ್ಲಿ ನಾವು ಈ ಆರೋಗ್ಯವನ್ನು ಅನ್ಲಾಕ್ ಮಾಡಲು ಸಾಧ್ಯವಾಯಿತು.
ಇದು ಆಸ್ಪತ್ರೆಯೊಳಗೆ ಮಾತ್ರ ಸಾಧ್ಯವಿಲ್ಲ, ಅನೇಕ ಆಸ್ಪತ್ರೆಗಳ ಡೇಟಾವನ್ನು ಕೂಡ ಸಂಯೋಜಿಸಬಹುದು. ಆದ್ದರಿಂದ, ಮುಂದಿನ ಹಂತವು ಬಹು ಆಸ್ಪತ್ರೆಗಳಿಂದ ಡೇಟಾವನ್ನು ಸಂಶ್ಲೇಷಿಸುವುದು. ವಿವಿಧ ಸಂಬಂಧಿತ ಆಸ್ಪತ್ರೆ ಡೇಟಾವನ್ನು ಸಿಂಥೋ ಎಂಜಿನ್ ಮೂಲಕ SAS Viya ನಲ್ಲಿ ಮಾಡೆಲ್ಗೆ ಇನ್ಪುಟ್ ಆಗಿ ಸಂಶ್ಲೇಷಿಸಲಾಗಿದೆ. ಇಲ್ಲಿ, ನಾವು 0.78 ರ AUC ಅನ್ನು ಅರಿತುಕೊಂಡಿದ್ದೇವೆ, ಹೆಚ್ಚಿನ ಡೇಟಾವು ಆ ಮಾದರಿಗಳ ಉತ್ತಮ ಭವಿಷ್ಯಸೂಚಕ ಶಕ್ತಿಯನ್ನು ನೀಡುತ್ತದೆ ಎಂದು ತೋರಿಸುತ್ತದೆ.
ಮತ್ತು ಈ ಹ್ಯಾಕಥಾನ್ನ ಫಲಿತಾಂಶಗಳು ಹೀಗಿವೆ:
ಮುಂದಿನ ಹಂತಗಳು
ಸಿಂಥೋ ಮತ್ತು ಎಸ್ಎಎಸ್ ಡೇಟಾವನ್ನು ಅನ್ಲಾಕ್ ಮಾಡುವುದು ಮತ್ತು ಆರೋಗ್ಯ ರಕ್ಷಣೆಯಲ್ಲಿ ಉತ್ತಮ ಸಿಬ್ಬಂದಿಯನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು, ಜೀವಗಳನ್ನು ಉಳಿಸಲು ಸಾಮಾನ್ಯ ಒತ್ತಡದೊಂದಿಗೆ ಡೇಟಾ ಚಾಲಿತ ಒಳನೋಟಗಳನ್ನು ಅರಿತುಕೊಳ್ಳುವುದು ಹೀಗೆ.