हामीले SAS Hackathon को समयमा जेनेरेटिभ AI मार्फत स्वास्थ्य सेवा डेटाको पूर्ण क्षमता अनलक गर्छौं।
स्वास्थ्य सेवालाई डेटा ड्राइभ अन्तर्दृष्टिको गम्भीर आवश्यकता छ। किनभने स्वास्थ्य सेवा कम कर्मचारी छ, जीवन बचाउने सम्भावनाको साथ दबाब। यद्यपि, स्वास्थ्य सेवा डाटा सबैभन्दा गोपनीयता संवेदनशील डाटा हो र त्यसैले लक गरिएको छ। यो गोपनीयता संवेदनशील डाटा:
यो समस्याग्रस्त छ, यस ह्याकाथनको लागि हाम्रो लक्ष्य यो एक अग्रणी अस्पतालको लागि क्यान्सर अनुसन्धानको भागको रूपमा गिरावट र मृत्युदर भविष्यवाणी गर्दछ। यसैले सिन्थो र SAS यस अस्पतालको लागि सहकार्य गर्दछ, जहाँ सिन्थोले सिंथेटिक डाटाको साथ डाटा अनलक गर्छ र SAS ले SAS Viya, अग्रणी एनालिटिक्स प्लेटफर्मसँग डाटा इनसाइटहरू महसुस गर्छ।
हाम्रो सिन्थो इन्जिनले पूर्णतया नयाँ कृत्रिम रूपमा उत्पन्न डाटा उत्पन्न गर्दछ। मुख्य भिन्नता, हामी सिंथेटिक डाटामा वास्तविक विश्व डाटाका विशेषताहरूको नक्कल गर्न AI लागू गर्छौं, र यति हदसम्म कि यसलाई विश्लेषणका लागि पनि प्रयोग गर्न सकिन्छ। त्यसैले हामी यसलाई सिंथेटिक डाटा जुम्ल्याहा भन्छौं। यो वास्तविक डेटाको रूपमा वास्तविक र सांख्यिकीय रूपमा समान छ, तर गोपनीयता जोखिम बिना।
यस ह्याकाथनको दौडान, हामीले SAS Viya मा Syntho Engine API लाई चरणको रूपमा एकीकृत गर्यौं। यहाँ हामीले यो पनि प्रमाणित गर्यौं कि सिंथेटिक डाटा वास्तवमा SAS Viya मा वास्तविक जत्तिकै राम्रो छ। हामीले क्यान्सर अनुसन्धान सुरु गर्नु अघि, हामीले खुला डेटासेटको साथ यो एकीकृत दृष्टिकोणको परीक्षण गर्यौं र SAS Viya मा विभिन्न प्रमाणीकरण विधिहरू मार्फत सिंथेटिक डेटा साँच्चै राम्रो-जस्तो वास्तविक छ भने प्रमाणित गर्यौं।
सहसम्बन्धहरू, चरहरू बीचको सम्बन्धहरू, संरक्षित छन्।
वक्र अन्तर्गत क्षेत्र, मोडेल प्रदर्शन को लागी एक उपाय, संरक्षित छ।
र चर महत्त्व पनि, मोडेलको लागि चरहरूको भविष्यवाणी गर्ने शक्ति, जब हामी सिंथेटिक डेटासँग मौलिक डेटा तुलना गर्छौं।
तसर्थ, हामी निष्कर्षमा पुग्न सक्छौं कि SAS Viya मा सिन्थो इन्जिन द्वारा उत्पन्न सिंथेटिक डाटा वास्तवमा-जति राम्रो-वास्तविक छ र हामी मोडेल विकासको लागि सिंथेटिक डाटा प्रयोग गर्न सक्छौं। तसर्थ, हामी यो क्यान्सर अनुसन्धानबाट बिग्रने र मृत्युदरको भविष्यवाणी गर्न सुरु गर्न सक्छौं।
यहाँ, हामीले SAS Viya मा स्टेपको रूपमा एकीकृत सिन्थो इन्जिन प्रयोग गर्यौं सिंथेटिक डेटाको साथ यो गोपनीयता संवेदनशील डेटा अनलक गर्न।
नतिजा, 0.74 को AUC र एक मोडेल जसले गिरावट र मृत्युदर भविष्यवाणी गर्न सक्षम छ।
सिंथेटिक डाटा प्रयोगको परिणाम स्वरूप, हामीले यो स्वास्थ्य सेवालाई कम जोखिम, धेरै डाटा र छिटो डाटा पहुँच भएको अवस्थामा अनलक गर्न सक्षम भयौँ।
यो अस्पताल भित्र मात्र सम्भव छैन, धेरै अस्पतालहरु को डाटा पनि संयोजन गर्न सकिन्छ। तसर्थ, अर्को चरण धेरै अस्पतालहरूबाट डाटा संश्लेषण थियो। सिन्थो इन्जिन मार्फत SAS Viya मा मोडेलको लागि इनपुटको रूपमा विभिन्न सान्दर्भिक अस्पताल डेटा संश्लेषित गरिएको थियो। यहाँ, हामीले 0.78 को AUC महसुस गर्यौं, जसले ती मोडेलहरूको राम्रो भविष्यवाणी गर्ने शक्तिमा थप डेटा परिणामहरू देखाउँछ।
र यी यस ह्याकाथनका परिणामहरू हुन्:
अर्को चरणहरू छन्
यसरी सिन्थो र SAS ले डेटा अनलक गर्छ र स्वास्थ्य सेवामा राम्रोसँग स्टाफ भएको सुनिश्चित गर्नको लागि, जीवन बचाउनको लागि सामान्य दबाबको साथमा डाटा चालित अन्तरदृष्टि महसुस गर्छ।