เราปลดล็อกศักยภาพทั้งหมดของข้อมูลการดูแลสุขภาพด้วย generative AI ระหว่าง SAS Hackathon
การดูแลสุขภาพต้องการข้อมูลเชิงลึกที่ขับเคลื่อนด้วยข้อมูลอย่างมาก เนื่องจากบุคลากรทางการแพทย์ไม่เพียงพอ กดดันเกินกว่าศักยภาพในการช่วยชีวิต อย่างไรก็ตาม ข้อมูลด้านสุขภาพเป็นข้อมูลที่ละเอียดอ่อนต่อความเป็นส่วนตัวมากที่สุด ดังนั้นจึงถูกล็อกไว้ ข้อมูลที่ละเอียดอ่อนต่อความเป็นส่วนตัวนี้:
นี่เป็นปัญหา เนื่องจากเป้าหมายของเราสำหรับแฮกกาธอนนี้คือการทำนายการเสื่อมสภาพและการเสียชีวิตซึ่งเป็นส่วนหนึ่งของการวิจัยโรคมะเร็งสำหรับโรงพยาบาลชั้นนำ นั่นคือเหตุผลที่ Syntho และ SAS ทำงานร่วมกันเพื่อโรงพยาบาลแห่งนี้ โดยที่ Syntho ปลดล็อกข้อมูลด้วยข้อมูลสังเคราะห์ และ SAS รับรู้ข้อมูลเชิงลึกด้วย SAS Viya ซึ่งเป็นแพลตฟอร์มการวิเคราะห์ชั้นนำ
Syntho Engine ของเราสร้างข้อมูลที่สร้างขึ้นใหม่อย่างสมบูรณ์ ข้อแตกต่างที่สำคัญ เราใช้ AI เพื่อเลียนแบบลักษณะของข้อมูลในโลกแห่งความเป็นจริงในข้อมูลสังเคราะห์ และในระดับที่สามารถใช้ในการวิเคราะห์ได้ นั่นเป็นเหตุผลที่เราเรียกมันว่าแฝดข้อมูลสังเคราะห์ มันดีเท่าของจริงและเหมือนกันทางสถิติกับข้อมูลต้นฉบับ แต่ไม่มีความเสี่ยงด้านความเป็นส่วนตัว
ในช่วงแฮกกาธอนนี้ เราได้รวม Syntho Engine API ใน SAS Viya เป็นขั้นตอน ที่นี่เรายังตรวจสอบด้วยว่าข้อมูลสังเคราะห์นั้นดีพอๆ กับของจริงใน SAS Viya ก่อนที่เราจะเริ่มการวิจัยโรคมะเร็ง เราได้ทดสอบวิธีการแบบผสมผสานนี้กับชุดข้อมูลแบบเปิดและตรวจสอบว่าข้อมูลสังเคราะห์นั้นดีเท่าของจริงหรือไม่ผ่านวิธีการตรวจสอบความถูกต้องต่างๆ ใน SAS Viya
ความสัมพันธ์ระหว่างตัวแปรจะถูกรักษาไว้
พื้นที่ใต้เส้นโค้งซึ่งเป็นหน่วยวัดประสิทธิภาพของแบบจำลองจะถูกรักษาไว้
และแม้กระทั่งความสำคัญของตัวแปร ซึ่งเป็นพลังในการทำนายของตัวแปรสำหรับโมเดล เมื่อเราเปรียบเทียบข้อมูลต้นฉบับกับข้อมูลสังเคราะห์
ดังนั้น เราสามารถสรุปได้ว่าข้อมูลสังเคราะห์ที่สร้างโดย Syntho Engine ใน SAS Viya นั้นดีเหมือนจริง และเราสามารถใช้ข้อมูลสังเคราะห์สำหรับการพัฒนาแบบจำลองได้ ดังนั้น เราสามารถเริ่มต้นด้วยการวิจัยมะเร็งนี้เพื่อทำนายการเสื่อมสภาพและการเสียชีวิต
ที่นี่ เราใช้ Syntho Engine แบบบูรณาการเป็นขั้นตอนใน SAS Viya เพื่อปลดล็อกข้อมูลที่ละเอียดอ่อนด้านความเป็นส่วนตัวด้วยข้อมูลสังเคราะห์
ผลที่ได้คือ AUC 0.74 และแบบจำลองที่สามารถทำนายการเสื่อมสภาพและการตายได้
จากการใช้ข้อมูลสังเคราะห์ เราสามารถปลดล็อกการดูแลสุขภาพนี้ในสถานการณ์ที่มีความเสี่ยงน้อยลง มีข้อมูลมากขึ้น และเข้าถึงข้อมูลได้เร็วขึ้น
สิ่งนี้ไม่ได้ทำได้เฉพาะในโรงพยาบาลเท่านั้น ยังสามารถรวมข้อมูลจากโรงพยาบาลหลายแห่งเข้าด้วยกันได้ ดังนั้นขั้นตอนต่อไปคือการสังเคราะห์ข้อมูลจากโรงพยาบาลต่างๆ ข้อมูลโรงพยาบาลที่เกี่ยวข้องที่แตกต่างกันถูกสังเคราะห์เป็นอินพุตสำหรับแบบจำลองใน SAS Viya ผ่าน Syntho Engine ที่นี่ เรารับรู้ค่า AUC ที่ 0.78 ซึ่งแสดงให้เห็นว่าข้อมูลที่มากขึ้นส่งผลให้พลังการทำนายของโมเดลเหล่านั้นดีขึ้น
และนี่คือผลลัพธ์จากแฮ็คกาธอนนี้:
ขั้นตอนต่อไปคือ
นี่คือวิธีที่ Syntho และ SAS ปลดล็อกข้อมูลและตระหนักถึงข้อมูลเชิงลึกที่ขับเคลื่อนด้วยข้อมูลในด้านการดูแลสุขภาพ เพื่อให้แน่ใจว่าสถานพยาบาลมีบุคลากรที่ดีพร้อมความกดดันตามปกติในการช่วยชีวิต