Ми розкриваємо весь потенціал медичних даних за допомогою генеративного штучного інтелекту під час хакатону SAS.
Охорона здоров’я вкрай потребує аналізу даних. Тому що медична допомога не укомплектована персоналом, перевантажена, і є потенціал для порятунку життів. Однак медичні дані є найбільш конфіденційними даними, тому вони заблоковані. Ці конфіденційні дані:
Це проблематично, оскільки нашою метою цього хакатону є прогнозування погіршення стану та смертності в рамках дослідження раку для провідної лікарні. Ось чому Syntho та SAS співпрацюють для цієї лікарні, де Syntho розблоковує дані за допомогою синтетичних даних, а SAS реалізує аналіз даних за допомогою SAS Viya, провідної аналітичної платформи.
Наш Syntho Engine генерує абсолютно нові штучно створені дані. Ключова відмінність полягає в тому, що ми застосовуємо штучний інтелект для імітації характеристик даних реального світу в синтетичних даних і до такої міри, що його можна використовувати навіть для аналітики. Ось чому ми називаємо це двійником синтетичних даних. Це так само добре, як реальні та статистично ідентичні вихідним даним, але без ризиків для конфіденційності.
Під час цього хакатону ми інтегрували API Syntho Engine у SAS Viya як крок. Тут ми також підтвердили, що синтетичні дані справді такі ж хороші, як і реальні в SAS Viya. Перш ніж почати дослідження раку, ми перевірили цей інтегрований підхід із відкритим набором даних і перевірили, чи справді синтетичні дані настільки ж хороші, як реальні, за допомогою різних методів перевірки в SAS Viya.
Зберігаються кореляції, зв'язки між змінними.
Площа під кривою, показник продуктивності моделі, зберігається.
І навіть важливість змінної, прогностична сила змінних для моделі зберігається, коли ми порівнюємо вихідні дані з синтетичними даними.
Отже, ми можемо зробити висновок, що синтетичні дані, згенеровані Syntho Engine у SAS Viya, справді такі ж хороші, як реальні, і що ми можемо використовувати синтетичні дані для розробки моделі. Отже, ми можемо почати з цього дослідження раку, щоб передбачити погіршення стану та смертність.
Тут ми використали інтегрований Syntho Engine як крок у SAS Viya, щоб розблокувати конфіденційні дані за допомогою синтетичних даних.
Результат: AUC 0.74 і модель, яка здатна передбачити погіршення стану та смертність.
В результаті використання синтетичних даних ми змогли розблокувати цю медичну допомогу в ситуації з меншим ризиком, більшою кількістю даних і швидшим доступом до них.
Це можливо не лише в межах лікарні, але також можна об’єднувати дані з кількох лікарень. Таким чином, наступним кроком був синтез даних з кількох лікарень. Різні відповідні лікарняні дані були синтезовані як вхідні дані для моделі в SAS Viya за допомогою Syntho Engine. Тут ми зрозуміли, що AUC становить 0.78, демонструючи, що більше даних призводить до кращої передбачуваної сили цих моделей.
А ось результати цього хакатону:
Наступними кроками є
Ось як Syntho та SAS розблоковують дані та реалізують на основі даних розуміння в охороні здоров’я, щоб переконатися, що в охороні здоров’я добре укомплектовано кадри, з нормальним тиском для порятунку життів.