ہم SAS ہیکاتھون کے دوران جنریٹیو AI کے ساتھ صحت کی دیکھ بھال کے ڈیٹا کی مکمل صلاحیت کو غیر مقفل کرتے ہیں۔
ہیلتھ کیئر کو ڈیٹا ڈرائیو بصیرت کی سخت ضرورت ہے۔ چونکہ صحت کی دیکھ بھال کا عملہ کم ہے، زندگی بچانے کی صلاحیت کے ساتھ زیادہ دباؤ ہے۔ تاہم، صحت کی دیکھ بھال کا ڈیٹا سب سے زیادہ رازداری سے متعلق حساس ڈیٹا ہے اور اس لیے اسے مقفل کر دیا گیا ہے۔ یہ رازداری کا حساس ڈیٹا:
یہ مشکل ہے، کیونکہ اس ہیکاتھون کے لیے ہمارا مقصد ایک سرکردہ ہسپتال کے لیے کینسر کی تحقیق کے حصے کے طور پر بگاڑ اور اموات کی پیش گوئی کرنا ہے۔ یہی وجہ ہے کہ Syntho اور SAS اس ہسپتال کے لیے تعاون کرتے ہیں، جہاں Syntho مصنوعی ڈیٹا کے ساتھ ڈیٹا کو کھولتا ہے اور SAS SAS Viya کے ساتھ ڈیٹا کی بصیرت کا ادراک کرتا ہے، جو کہ معروف تجزیاتی پلیٹ فارم ہے۔
ہمارا سنتھو انجن بالکل نیا مصنوعی طور پر تیار کردہ ڈیٹا تیار کرتا ہے۔ کلیدی فرق، ہم مصنوعی ڈیٹا میں حقیقی دنیا کے ڈیٹا کی خصوصیات کی نقل کرنے کے لیے AI کا اطلاق کرتے ہیں، اور اس حد تک کہ اسے تجزیات کے لیے بھی استعمال کیا جا سکے۔ اسی لیے ہم اسے مصنوعی ڈیٹا ٹوئن کہتے ہیں۔ یہ اتنا ہی اچھا ہے جتنا کہ اصلی اور شماریاتی طور پر اصل ڈیٹا سے مماثل ہے، لیکن رازداری کے خطرات کے بغیر۔
اس ہیکاتھون کے دوران، ہم نے SAS Viya میں Syntho Engine API کو قدم کے طور پر مربوط کیا۔ یہاں ہم نے یہ بھی توثیق کی کہ مصنوعی ڈیٹا واقعی اتنا ہی اچھا ہے جتنا SAS Viya میں اصلی ہے۔ اس سے پہلے کہ ہم کینسر کی تحقیق شروع کریں، ہم نے ایک کھلے ڈیٹاسیٹ کے ساتھ اس مربوط نقطہ نظر کا تجربہ کیا اور SAS Viya میں مختلف توثیق کے طریقوں کے ذریعے مصنوعی ڈیٹا واقعی اتنا ہی اچھا ہے یا نہیں۔
ارتباط، متغیر کے درمیان تعلقات، محفوظ ہیں.
وکر کے نیچے کا علاقہ، ماڈل کی کارکردگی کا ایک پیمانہ، محفوظ ہے۔
اور یہاں تک کہ متغیر اہمیت، ماڈل کے لیے متغیرات کی پیشین گوئی کی طاقت، اس وقت برقرار رہتی ہے جب ہم مصنوعی ڈیٹا کے ساتھ اصل ڈیٹا کا موازنہ کرتے ہیں۔
لہٰذا، ہم یہ نتیجہ اخذ کر سکتے ہیں کہ SAS Viya میں Syntho Engine کے ذریعے تیار کردہ مصنوعی ڈیٹا واقعی اتنا ہی اچھا ہے جیسا کہ حقیقی ہے اور ہم ماڈل کی ترقی کے لیے مصنوعی ڈیٹا استعمال کر سکتے ہیں۔ لہذا، ہم بگاڑ اور اموات کی پیشن گوئی کرنے کے لیے کینسر کی اس تحقیق سے شروع کر سکتے ہیں۔
یہاں، ہم نے SAS Viya کے قدم کے طور پر مربوط Syntho Engine کا استعمال کیا تاکہ اس رازداری کے حساس ڈیٹا کو مصنوعی ڈیٹا کے ساتھ کھولا جا سکے۔
نتیجہ، 0.74 کا AUC اور ایک ماڈل جو بگاڑ اور اموات کی پیش گوئی کرنے کے قابل ہے۔
مصنوعی ڈیٹا کے استعمال کے نتیجے میں، ہم کم خطرے، زیادہ ڈیٹا اور تیز تر ڈیٹا تک رسائی کے ساتھ اس صحت کی دیکھ بھال کو غیر مقفل کرنے میں کامیاب ہوئے۔
یہ صرف ہسپتال کے اندر ہی ممکن نہیں ہے بلکہ متعدد ہسپتالوں کے ڈیٹا کو بھی ملایا جا سکتا ہے۔ لہذا، اگلا مرحلہ متعدد ہسپتالوں سے ڈیٹا کی ترکیب کرنا تھا۔ SAS Viya میں Syntho Engine کے ذریعے ماڈل کے لیے ان پٹ کے طور پر مختلف متعلقہ ہسپتال کے ڈیٹا کی ترکیب کی گئی۔ یہاں، ہم نے 0.78 کا AUC محسوس کیا، جس سے یہ ظاہر ہوتا ہے کہ زیادہ ڈیٹا کے نتیجے میں ان ماڈلز کی بہتر پیشن گوئی کی طاقت ہوتی ہے۔
اور اس ہیکاتھون کے نتائج یہ ہیں:
اگلے اقدامات ہیں۔
اس طرح Syntho اور SAS ڈیٹا کو غیر مقفل کرتے ہیں اور صحت کی دیکھ بھال میں ڈیٹا سے چلنے والی بصیرت کا احساس کرتے ہیں تاکہ یہ یقینی بنایا جا سکے کہ صحت کی دیکھ بھال کا عملہ اچھی طرح سے ہے، زندگی بچانے کے لیے عام دباؤ کے ساتھ۔