Бид SAS Hackathon-ын үеэр хиймэл хиймэл оюун ухаанаар эрүүл мэндийн тусламж үйлчилгээний мэдээллийн бүрэн боломжийг нээж өгдөг.
Эрүүл мэндийн үйлчилгээ нь мэдээллийн хөтөч ойлголтыг маш ихээр шаарддаг. Эрүүл мэндийн тусламж үйлчилгээ нь боловсон хүчин дутмаг, хэт их дарамт шахалтад өртөж, хүний амь насыг аврах боломжтой байдаг. Гэсэн хэдий ч эрүүл мэндийн тусламж үйлчилгээний мэдээлэл нь хувийн нууцад хамгийн мэдрэмтгий мэдээлэл тул түгжигдсэн байдаг. Энэхүү нууцлалд мэдрэмтгий өгөгдөл:
Энэ хакатон бидний зорилго бол тэргүүлэх эмнэлгийн хорт хавдрын судалгааны нэг хэсэг болох муудах, нас баралтыг урьдчилан таамаглах тул энэ нь асуудалтай юм. Тийм ч учраас Syntho болон SAS нь энэ эмнэлэгт хамтран ажилладаг бөгөөд Syntho нь өгөгдлийг синтетик мэдээллээр нээж, SAS нь аналитикийн тэргүүлэгч платформ болох SAS Viya-тай өгөгдлийн ойлголтыг хэрэгжүүлдэг.
Манай Syntho хөдөлгүүр нь зохиомлоор үүсгэсэн цоо шинэ өгөгдлийг үүсгэдэг. Гол ялгаа нь бид хиймэл өгөгдлийн бодит ертөнцийн өгөгдлийн шинж чанарыг дуурайхын тулд хиймэл оюун ухааныг ашигладаг бөгөөд үүнийг аналитикт ч ашиглаж болно. Тиймээс бид үүнийг синтетик өгөгдлийн ихэр гэж нэрлэдэг. Энэ нь бодитой бөгөөд статистикийн хувьд анхны өгөгдөлтэй ижил боловч хувийн нууцад ямар ч эрсдэлгүй.
Энэ хакатоны үеэр бид SAS Viya-д Syntho Engine API-г алхам болгон нэгтгэсэн. Энд бид синтетик өгөгдөл нь SAS Viya-д үнэхээр бодитой гэдгийг баталсан. Хорт хавдрын судалгааг эхлүүлэхийн өмнө бид энэхүү нэгдсэн арга барилыг нээлттэй өгөгдлийн багцаар туршиж, SAS Viya-д янз бүрийн баталгаажуулалтын аргуудаар синтетик өгөгдөл үнэхээр бодитой эсэхийг баталгаажуулсан.
Корреляци, хувьсагчдын хоорондын хамаарал хадгалагдана.
Загварын гүйцэтгэлийн хэмжүүр болох муруй доорх талбай хадгалагдана.
Тэр ч байтугай хувьсагчийн ач холбогдол, загварт хамаарах хувьсагчдын таамаглах чадвар нь анхны өгөгдлийг синтетик өгөгдөлтэй харьцуулах үед хадгалагдана.
Тиймээс бид SAS Viya дахь Syntho хөдөлгүүрээр үүсгэсэн синтетик өгөгдөл нь бодитойгоор сайн бөгөөд загвар боловсруулахад синтетик өгөгдлийг ашиглах боломжтой гэж бид дүгнэж болно. Иймээс бид хорт хавдрын өвчлөл, нас баралтыг урьдчилан таамаглахын тулд хорт хавдрын судалгаанаас эхэлж болно.
Энд бид SAS Viya-д нэгдсэн Syntho Engine-ийг ашигласан бөгөөд энэхүү нууцлалын эмзэг өгөгдлийг синтетик мэдээллээр онгойлгох болно.
Үүний үр дүнд AUC 0.74 ба муудах, нас баралтыг урьдчилан таамаглах боломжтой загвар юм.
Синтетик өгөгдлийг ашигласны үр дүнд бид эрсдэл багатай, илүү их өгөгдөлтэй, өгөгдөлд илүү хурдан ханддаг нөхцөлд энэ эрүүл мэндийн тусламж үйлчилгээний түгжээг нээж чадсан.
Энэ нь зөвхөн эмнэлэг доторх боломжтой төдийгүй олон эмнэлгийн мэдээллийг нэгтгэх боломжтой. Тиймээс дараагийн алхам нь олон эмнэлгүүдийн мэдээллийг нэгтгэх явдал байв. Эмнэлгийн холбогдох өөр өөр өгөгдлийг Syntho хөдөлгүүрээр дамжуулан SAS Viya-д загварт оруулах оролт болгон нэгтгэсэн. Энд бид 0.78 AUC-ийг олж мэдсэн нь илүү их өгөгдөл нь эдгээр загваруудыг илүү сайн таамаглах чадварыг харуулж байна.
Энэ хакатоны үр дүн нь:
Дараагийн алхамууд нь
Ингэж Syntho болон SAS нь өгөгдлийн түгжээг тайлж, эрүүл мэндийн тусламж үйлчилгээ сайн боловсон хүчинтэй, хүний амь насыг аврах хэвийн дарамттай байхын тулд эрүүл мэндийн тусламж үйлчилгээний талаарх мэдээлэлд тулгуурласан ойлголтыг хэрэгжүүлдэг.