Здравоохранение AI

Как Shaip помогает командам создавать решения AI для здравоохранения

Не ждите, что в следующий раз, когда вы пойдете к врачу, вас будет лечить робот-врач. Компьютеры и алгоритмы могут подсказывать нам, что смотреть, что покупать и кого добавлять в наши социальные сети, но исследования показывают, что ИИ в сфере здравоохранения не будет заменять человека уход в ближайшее время.

Однако это может помочь заменить запутанные документы, длительное время ожидания, неправильные диагнозы и другие нежелательные элементы медицинского обслуживания более благоприятными. ИИ также может помочь врачам-людям расширить свою практику для лечения большего числа пациентов и дать им возможность оказывать более индивидуализированный и эффективный уход отдельным пациентам.

Да, даже в 2021 году разговоры об искусственном интеллекте и автоматизации в здравоохранении, как правило, будут сосредоточены на потенциале, перспективах и возможностях. В конце концов, большинство возможностей для приложений на базе искусственного интеллекта в космосе еще впереди - в основном потому, что все еще необходимо преодолеть серьезные препятствия, чтобы расчистить путь для широкого распространения в космосе. Пока это не произойдет, эта преобразующая технология будет продолжать обсуждаться с точки зрения того, что может быть (а не то, что есть).

В Shaip мы хотим изменить разговор, помогая командам разработчиков ИИ преодолеть эти препятствия. Мы любим говорить о что за былоЮр мог держать для ИИ в сфере здравоохранения, но нам еще больше нравится создавать это будущее. Однако прежде чем погрузиться в то, как мы это делаем, давайте сосредоточимся на настоящем.

ИИ не просто готов навсегда изменить здравоохранение; это уже есть. Хотя эта технология все еще относительно нова, она пронизывает почти все аспекты современной системы здравоохранения:

  • В клинических условиях врачи используют инструменты визуализации с использованием искусственного интеллекта с расширенными возможностями распознавания образов для изучения результатов компьютерной томографии, МРТ и других типов визуального анализа, что позволяет им быстрее и точнее обнаруживать заболевания и диагностировать травмы.
  • В классе инструменты машинного обучения помогают студентам получить более глубокое представление о человеческом теле, чем когда-либо прежде, и дают им возможность создавать новые решения с реальными приложениями.
  • В лаборатории исследователи используют сложные программы для сопоставления новых формул лекарств с уже известными как безопасные лекарства. Затем они могут копировать и повторять их, чтобы в рекордно короткие сроки разработать противоядия и вакцины.
  • Администраторы и руководители используют приложения искусственного интеллекта для создания более интуитивно понятного и эффективного взаимодействия с пациентами, которое одновременно увеличивает доходы поставщиков и обеспечивает более качественное лечение пациентов. У этого списка нет конца.

Поскольку вы читаете это, вы, вероятно, уже понимаете, что ИИ влияет на наше здравоохранение. система была огромной - и она будет только расти. Учитывая бесчисленное множество разнообразных участников, составляющих сектор, количество проблем, которые потенциально могут решить решения на основе ИИ, кажется бесконечным.

Шайп здесь, чтобы помочь воплотить эти решения в жизнь. Наши услуги позволяют предприятиям и предпринимателям создавать преобразующие технологии искусственного интеллекта в области здравоохранения, которые могут решать реальные проблемы в больших масштабах, устраняя некоторые из самых серьезных препятствий на своем пути. А для команд, работающих в сфере здравоохранения, их предостаточно.

Блокпосты и красные флажки

Хотя возможности искусственного интеллекта в здравоохранении никогда не были столь велики, настоящая интеграция технологии в монолитную систему здравоохранения будет сопряжена с трудностями. Возможно, нет ничего более значительного, чем нормативные препятствия, которые отличают медицину от других отраслей, в которых внедрение произошло быстрее.

Блокпосты и красные флаги

Прошло почти четверть века с тех пор, как Конгресс принял Закон о переносимости и подотчетности медицинского страхования (HIPAA), но этот же закон по-прежнему регулирует, как поставщики услуг обрабатывают данные о пациентах в 2021 году. К сожалению, он все чаще ставит больше вопросов, чем ответов для врачей, пациентов и предприниматели, стремящиеся создавать новые медицинские технологии. Более того, требования HIPAA теперь сближаются с более свежими правилами в отношении информации, позволяющей установить личность (PII). например, Общий регламент по защите данных Европейского Союза (GDPR), Закон о защите личных данных Сингапура (PDPA) и Закон Калифорнии о конфиденциальности потребителей (CCPA), который представляет собой первое всеобъемлющее законодательство, регулирующее использование данных здесь, в Соединенных Штатах.

Резкий рост требований к телездравоохранению, сопровождавший пандемию COVID-19, только добавлено больше проблем с регулированием. Во-первых, многие пациенты получают удаленное лечение через платформы, не соответствующие стандартам HIPAA, что может сделать их уязвимыми для угроз конфиденциальности. Даже платформы, которые соответствуют требованиям, представляют собой риски, поскольку они могут раскрывать конфиденциальную информацию о пациентах. for получения прибыли. Рост спроса на виртуальную помощь привел к появлению многих цифровых услуг, которые выходят за рамки первоначального объема HIPAA, и вынудил крупные технологические компании Facebook, Alphabet, Amazon и Microsoft к предприятие в выращивание рыночных, принося новые инновации, а также потребность в дополнительном надзоре.

Для регулирующих органов обеспечение соблюдения в рамках этой сложной системы полномочий становится все труднее, поскольку данные используются по-новому и все большим числом участников. Аналогичным образом, для команд, надеющихся создать и развернуть технологии на базе искусственного интеллекта в сфере здравоохранения, обеспечение соответствия этих инструментов существующим стандартам требует нормативных знаний, которые довольно просто найти.

Также сложно найти? Качественные медицинские данные. Регулирование может помешать широкому распространению некоторых новых технологий, но без качественных данных инструменты на основе ИИ даже не пройдут стадию разработки.

последний исследовании, опубликованные в журнале Американской медицинской ассоциации, показали, что географическое распределение пациентов, данные которых используются для обучения алгоритмов машинного обучения, в основном ограничено несколькими штатами, в частности Калифорнией, Нью-Йорком и Массачусетсом. Учитывая экономические, социальные, поведенческие и другие атрибуты, которыми эти пациенты могут обладать друг с другом, но не с остальной частью страны, алгоритмы, обученные на этих данных, могут плохо обобщать. Эту проблему можно решить с помощью более разнообразных наборов данных, но, опять же, данные получить сложно. После приобретения его также сложно организовать, что является еще одним важным шагом для разработчиков технологий машинного обучения.

Многие компании вкладывают значительные средства в поиск или создание данных для своих алгоритмов, а затем тратят еще больше платных аннотаторов, чтобы пометить их. Как и в случае с чрезмерно однородными наборами данных, данные, которые не помечены и не курируются должным образом, научат программы ИИ генерировать предвзятые и неточные результаты, создавая проблемы, которые нелегко исправить. К сожалению, эти проблемы останутся обычным явлением для команд, работающих над технологиями искусственного интеллекта в здравоохранении. Исследование Gartner показывает, что до 85% of Проекты ИИ дадут ошибочные результаты в результате предвзятости в управлении данными до 2022 года.

Опять же, существует множество других проблем, связанных с созданием приложений искусственного интеллекта для здравоохранения, как известных, так и неизвестных. По мере того, как все больше разработчиков входит в сферу деятельности и все больше поставщиков услуг сталкиваются с решениями о том, следует ли добавлять решения на основе искусственного интеллекта в свои стратегии лечения пациентов, эти проблемы становятся все более серьезными. Хотя препятствия неизбежны, когда вы пытаетесь создать полезные, преобразующие инструменты с использованием новых технологий, Shaip помогает командам преодолеть многие из самых серьезных препятствий, с которыми в настоящее время сталкиваются разработчики в этой области.

Давайте сегодня обсудим ваши требования к данным для обучения ИИ.

Как Шайп способствует прогрессу ИИ в здравоохранении

Shaip предлагает набор решений, разработанный специально для команд, работающих над приложениями искусственного интеллекта в здравоохранении. Вместе они могут помочь вам получить значительную и разностороннюю окупаемость ваших инвестиций и создать масштабируемые продукты, которые окажут действительно долгосрочное влияние на отрасль.

Полностью управляемый сбор данных

Чтобы создавать приложения, которые действительно могут быть полезны для организаций здравоохранения, команды должны создавать решения, которые последовательно обеспечивают точные и непредвзятые результаты. Конечно, вы могли слышать о технологиях искусственного интеллекта, которые точно обнаруживают и диагностируют заболевания, но обычно это происходит в сценариях, где используются искусственные ограничения для контроля известных ограничений обучения, таких как отсутствие актуальных качественных данных. Если вы надеетесь разработать продукт, который получит широкое распространение в реальных клинических условиях, он должен обеспечивать оптимальные результаты в широком диапазоне сложных обстоятельств. Другими словами, вам понадобится много надежных данных мирового класса для обучения ваших алгоритмов.

Полностью управляемые службы сбора данных Shaip гарантируют, что у вас будут нужные данные тогда, когда они вам понадобятся. Благодаря нашему собственному мобильному приложению, запатентованной веб-платформе и опытным внутренним проектным группам мы можем получать данные практически из любой комбинации возрастных групп, демографии и образования. В нашем процессе непрерывного сбора данных участвуют эксперты в данной области из области здравоохранения, чтобы гарантировать соответствие получаемых вами данных высочайшим стандартам качества и надежности. Помимо идентификации, профилирования и поиска данных, мы также заботимся об очистке и подготовке данных, позволяя вашей команде сосредоточиться на других важных действиях.

Множественные форматы данных

Мы можем предоставить разнообразный набор данных, включающий изображения, видео, аудио и текст, для работы широкого спектра моделей искусственного интеллекта.

  • Текст:

    В Shaip работают сотни опытных профессионалов, которые могут аннотировать данные практически для любого типа текстовых данных, от заметок врача до страховых возмещений, что дает вам возможность получить информацию, которая в противном случае осталась бы скрытой в неструктурированных наборах данных. Кроме того, наша интуитивно понятная настраиваемая облачная платформа позволяет вам адаптировать аннотации для конкретных случаев использования и получать информацию о конкретной предметной области для информационного обеспечения разработки технологий.

  • аудио:

    Shaip имеет проверенный опыт создания и оптимизации высокофункционального диалогового ИИ, чат-ботов и голосовых ботов. Благодаря нашей всемирной сети квалифицированных лингвистов и команде, способной собирать и аннотировать объемы аудиоданных, включая незашифрованные разговоры между врачами и пациентами, высказывания и слова для пробуждения, монологи и другие типы речи, мы можем помочь вам тренировать речь -активировать приложения быстро и эффективно.

  • Изображение:

    Наши наборы данных для обучения изображений анализируются с использованием комбинации хирургически точных ручных процессов и новейших технологий для приложений, которые зависят от сложного компьютерного зрения и возможностей распознавания образов. И мы не просто предоставляем данные; мы также можем помочь вам разработать алгоритмы машинного обучения мирового класса для создания решений, которые могут распознавать человеческие лица, продукты питания, документы, изображения медицинских лабораторий, геопространственные изображения и другую визуальную информацию.

  • Видео:

    Наши люди, опыт и технологии позволяют нам выполнять практически любые требования к видеоаннотациям. Лучше всего у нас получается отслеживание объектов: покадровое аннотирование видео, чтобы научить компьютеры распознавать определенные объекты с помощью машинного обучения. Независимо от того, создаете ли вы роботизированное оборудование с поддержкой ИИ для помощи врачам в клинических условиях или приложения, которые улучшают взаимодействие между пациентами и медсестрами во время сеансов телемедицины, мы можем помочь.

Гарантия соответствия

Гарантия соответствия Защита информации о пациентах имеет решающее значение для разработки жизнеспособных медицинских приложений с искусственным интеллектом. Однако для сбора достаточного количества данных требуется время, а для деидентификации этой информации требуется еще больше. Когда ваша цель - создать, протестировать и развернуть новую технологию, времени не хватает.

Шаип предлагает лицензированные медицинские данные чтобы облегчить эту нагрузку для команд, разрабатывающих модели искусственного интеллекта, которые анализируют текстовые медицинские карты пациентов, изображения компьютерной томографии, рентгеновские снимки (и другие средства визуальной диагностики), записи врачей и десятки других типов данных. С помощью API Shaip вы получаете по запросу доступ к этой растущей библиотеке обезличенных записей и качественных контекстуализированных медицинских данных (включая более 10 миллионов наборов данных, полученных из более чем 60 различных мест по всему миру), которые соответствуют всем HIPAA и Safe Harbor. стандартов (включая редактирование всех 18 идентификаторов, описанных в данном руководстве). Для команд, которым требуются более комплексные услуги, мы можем масштабировать деидентификацию данных в нескольких юрисдикциях.

Поскольку мы являемся лидером отрасли в области деидентификации, маскирования и анонимности данных, конфиденциальность пациентов лежит в основе наших решений. Мы обеспечиваем экспертную сертификацию и аудит качества деидентификации и соблюдаем всеобъемлющие правила аннотации личной медицинской информации (PHI) в соответствии со стандартами Safe Harbor. Точно так же платформа ShaipCloud позволяет вам получать доступ к вашим данным в безопасной среде, что еще больше снижает риск несоблюдения требований.

Давайте двигаться вперед вместе

В Shaip мы понимаем огромный потенциал ИИ для улучшения практически всех аспектов существующей системы здравоохранения, и мы рады поделиться своим опытом с организациями, работающими над раскрытием этого потенциала. Мы также хорошо знакомы с уникальными проблемами, с которыми сталкиваются эти организации, и все наши услуги разработаны с учетом этих проблем.

Если вы являетесь частью команды, работающей над решения для здравоохранения на базе технологий искусственного интеллекта и машинного обучения, мы будем рады помочь вам продвинуть вашу инициативу вперед. Наш опыт охватывает весь жизненный цикл разработки искусственного интеллекта, и мы работали над проектами практически любого масштаба - мы еще не сталкивались с одним, который был бы слишком большим или слишком маленьким. Если вам нужна дополнительная информация, свяжитесь с нами сегодня.

Социальная Поделиться