Erasmus MC-ийн дараагийн том зүйл - AI үүсгэсэн синтетик өгөгдөл

Үед Erasmus MC, тэргүүлэгч эмнэлгүүдийн нэг нь Syntho-ийн үүсгэсэн синтетик өгөгдлийг хүсэх боломжтой Синто хөдөлгүүр. The Ухаалаг эрүүл мэндийн технологийн төв (SHTC) - Erasmus MC 30-р сарын XNUMX-ны пүрэв гарагт албан ёсны нээлтийг зохион байгууллаа Роберт Вен (Судалгааны багц) болон Вим Кийс Жансен (Синто ) асуултуудад хариулав:Синтетик өгөгдөл гэж юу вэ?','Яагаад бид үүнийг хийдэг вэ?'болон 'Энэ нь Erasmus MC-ийн хүрээнд хэрхэн ажилладаг вэ?'.

AI үүсгэсэн синтетик өгөгдөл гэж юу вэ?

Бодит өвчтөнүүд, ажилчид, дотоод бизнесийн үйл явцын талаархи мэдээллийг олж авах замаар бодит өгөгдлийг цуглуулдаг. Нөгөө талаар нийлэг өгөгдөл нь хувь хүн байхгүй болсон цоо шинэ, зохиомол мэдээллийн цэгүүдийг үүсгэдэг алгоритмаар үүсгэгддэг.

Хамгийн чухал ялгаа нь хиймэл өгөгдлийн бодит өгөгдлийн шинж чанар, хэв маяг, шинж чанарыг хуулбарлах, хуулбарлах хиймэл оюун ухааныг ашиглах явдал юм.

Үр дүн: AI үүсгэсэн синтетик өгөгдөл нь бодит өгөгдөлтэй адил нарийвчлалтай. Тиймээс үүнийг бодит өгөгдөл мэт аналитик хийхэд ашиглаж болно.

Тийм ч учраас Syntho үүнийг "Синтетик өгөгдлийн ихэр" гэж нэрлэдэг: өгөгдөл нь жинхэнэ шигээ сайн, гэхдээ нууцлалын асуудалгүйгээр ашиглах боломжтой.

Яагаад бид үүнийг хийдэг вэ?

Өгөгдлийн түгжээг тайлж, "Өгөгдөл хүртэлх хугацааг" багасгана

Бодит мэдээллийн оронд синтетик өгөгдлийг ашигласнаар бид байгууллагын хувьд эрсдэлийн үнэлгээ болон холбогдох цаг хугацаа шаардсан үйл явцыг бууруулж чадна. Энэ нь бидэнд илүү их, нэмэлт мэдээллийн багцыг нээх боломжийг олгодог. Мөн бид өгөгдөлд хандах хүсэлтийг хурдасгаж, "өгөгдөл хүртэх цаг"-ыг багасгаж чадна. Үүний тусламжтайгаар Erasmus MC нь өгөгдөлд суурилсан инновацийг хурдасгах хүчтэй суурийг бий болгож байна.

Туршилтын зорилгоор төлөөлөх өгөгдөл

Техникийн хамгийн сүүлийн үеийн шийдлүүдийг хүргэхийн тулд төлөөлөх тестийн өгөгдөлтэй туршилт хийх, хөгжүүлэх нь чухал юм. Үйлдвэрлэлийн өгөгдөл дээр суурилсан нийлэг өгөгдлийн ихэр нь өгөгдлийн үр дүнд ашиглагдах боломжтой туршилтын өгөгдөл. Үр дүн: үйлдвэрлэлтэй төстэй өгөгдөл, privacy by design хялбар, хурдан ажилладаг, өргөтгөх боломжтой шийдэлд. Нэмж дурдахад хиймэл өгөгдөл бүтээхэд хиймэл оюун ухааныг ухаалаг ашигласнаар мэдээллийн багцыг томруулж, загварчлах боломжтой. Энэ нь жишээлбэл, өгөгдөл хангалтгүй (өгөгдлийн хомсдол) эсвэл та захын тохиолдлуудыг түүвэрлэхийг хүссэн үед шийдэл байж болно.

AI үүсгэсэн синтетик өгөгдөл бүхий аналитик

AI нь статистикийн хэв маяг, харилцаа холбоо, шинж чанаруудыг хадгалахын тулд синтетик өгөгдлийг загварчлахад ашигладаг. шинжилгээнд ч ашиглаж болно. Ялангуяа загвар боловсруулах үе шатанд бид синтетик өгөгдлийг ашиглахыг илүүд үзэж, өгөгдөл хэрэглэгчдэд үргэлж сорилт тулгарах болно: "Та синтетик өгөгдөл ашиглаж болох юм бол яагаад бодит өгөгдлийг ашиглах ёстой вэ?"

Энэ нь Erasmus MC дээр хэрхэн ажилладаг вэ?

Та синтетик өгөгдлийн багц ашиглахыг хүсч байна уу? Эсвэл та боломжуудын талаар илүү их мэдээлэл авахыг хүсч байна уу? хаягтай холбогдоно уу Erasmus MC-ийн судалгааны багц.

Хиймэл оюун ухаанаар үүсгэсэн синтетик өгөгдлийг сонирхож байгаа бөгөөд та боломжуудыг гүнзгийрүүлэхийг хүсч байна уу? Манай мэргэжилтнүүдтэй холбоо барина уу or Демо хүсэх.