Realaus pasaulio duomenys yra neįkainojami sveikatos priežiūros technologijų kūrėjams. Tokio tipo duomenys atspindi tikrąją pacientų patirtį, gydymą ir rezultatus įvairiose realiose aplinkose, o ne kontroliuojamose klinikinių tyrimų vietose, nurodė Atropos Health Brigham Hyde.

Tačiau daugeliui kūrėjų, kuriančių naujus AI modelius sveikatos priežiūros organizacijoms, sunku pasiekti realaus pasaulio duomenis. Balandžio mėnesio dokumente buvo išanalizuota daugiau nei 500 tyrimų, susijusių su dideliais kalbų modeliais sveikatos priežiūros srityje, ir nustatyta, kad tik 5 % jų buvo atlikti naudojant realius pacientų duomenis.

Siekdama išspręsti šią problemą, „Atropos“ neseniai paskelbė, kad dirbtinio intelekto kūrėjai dabar gali mokyti savo modelius savo realaus pasaulio įrodymų tinkle.

„Atropos“, įkurta 2020 m. kaip „Stanford spinout“, teikia realaus pasaulio klinikinius duomenis slaugos gydytojams. 2023 m. startuolis pradėjo savo įrodymų tinklą, kuris yra susietas sveikatos priežiūros duomenų tinklas, kurį sudaro daugiau nei 300 milijonų pacientų įrašų, surinktų iš ESI, paraiškų duomenų ir pacientų registrų.

Šiuo metu tinkle yra „dešimtys“ narių, įskaitant AI kūrėjus, praktikus, tyrėjus, duomenų turėtojus ir technologijų įmones, sakė Hyde'as. Jis paaiškino, kad turėdami prieigą prie tokio didelio kiekio realaus pasaulio pacientų duomenų, tinklo nariai įgyja išsamų ir reprezentatyvų vaizdą apie ligų progresavimą ir gydymą įvairiose populiacijose.

Dabar, kai įrodymų tinklas siūlo AI modelių mokymus, kūrėjai gali sklandžiai integruoti savo AI įrankius į tinklo infrastruktūrą. Šią naują galimybę palaiko Atropos GENEVA OS platforma, kuri realaus pasaulio duomenis paverčia klinikiniais įrodymais, suteikdama gydytojams greitus, duomenimis pagrįstus atsakymus į sudėtingus medicininius klausimus.

„Naudodami GENEVA OS, kūrėjai gali mokyti, išbandyti ir patvirtinti nuspėjamuosius modelius naudodami standartizuotus, aukštos kokybės pacientų lygio duomenis. Tai pašalina duomenų gavimo ir paruošimo naštą, leidžiančią greitai kurti modelius, laikantis naujų AI užtikrinimo standartų, susijusių su skaidrumu, šališkumo aptikimu ir tikslumu“, – pareiškė Haidas.

Jis pridūrė, kad apskritai duomenų tinklo infrastruktūra siekiama paspartinti AI plėtrą, taip pat padidinti AI patikimumą, siekiant pagrindinio tikslo skatinti naujoves, kurios pagerintų pacientų priežiūrą ir rezultatus.

Hyde'as atkreipė dėmesį į kai kuriuos AI įrankių, kuriuos būtų galima apmokyti tinkle, naudojimo atvejus, pvz., klinikinių tyrimų modeliavimą, paciento kelionės žemėlapių sudarymą, priežiūros išlaidų įvertinimą ir rezultatų prognozavimą. Jis sakė, kad kūrėjai galiausiai gali įdiegti patvirtintus modelius „Atropos“ kanalo partneriams, tokiems kaip sveikatos sistemos ar farmacijos įmonės.

Vieno įrodymų tinklo nario „QuantHealth“, startuolio, naudojančio dirbtinį intelektą, kad farmacijos įmonėms greičiau ir pigiau kurti gydymo būdus, generalinis direktorius pažymėjo, kad „Atropos“ duomenų platforma leido jo įmonei greitai sureguliuoti savo produktą.

„Klinikinių tyrimų rizikos mažinimas ir optimizavimas naudojant patikimus pacientų lygmens modeliavimus nėra lengvas, todėl toliau tobulinome ir tobulinome savo AI platformą ir pagrindines duomenų sistemas“, – pranešime teigė „QuantHealth“ generalinis direktorius Orras Inbaras. „Tai darydami mes galėjome padėti 7 iš 20 geriausių farmacijos įmonių modeliuoti ir optimizuoti savo tyrimus ir klinikines programas, kad būtų užtikrintas klinikinis ir veiklos meistriškumas.

„QuantHealth“ dabar gali atlikti modeliavimą realiuoju laiku ir pritaikyti savo AI modelius iki priežiūros taško, „atrakindama naujas galimybes ir naudojimo atvejus“ savo farmacijos klientams, paskelbė Inbaras.

Nuotrauka: metamorworks, Getty Images