Amazon Web Services: AI, data analytics und cloud wachsen zusammen zu fahren, die Kosten drosseln und die Pflege-Qualität

Healthcare-Unternehmen sind mit Hilfe der künstlichen Intelligenz und dem maschinellen lernen, und dann die cloud besser zu erfassen, zu verwalten und zu nutzen, eine Vielzahl von Daten – ob es sich um strukturierte Daten, unstrukturierte Daten oder streams, to break down silos und ermöglichen es, Daten, die Liquidität in der Unterstützung der kooperativen Forschung und der Koordination der Pflege.

„Die cloud ermöglicht Gesundheitsdienstleistern, um scale-up während der peak-Nachfrage-Zeiten, wie die Grippe-Saison, und die Skala wieder nach unten, wenn die Nachfrage abgeebbt“, sagte Shez Partovi, Leiter der weltweiten healthcare-und life-sciences, business-und market development bei Amazon Web Services. „Sie können dann die Daten verarbeiten, gelten Tiefe lernen, und visualisieren Sie die Daten, um aufschlussreiche Entscheidungen über die Behandlung eines Patienten Reise – oder auch in der Forschungs-pipeline.“

Zum Beispiel, Orion Health-hosts Daten für 50 Millionen Nutzer auf der AWS-Cloud, ermöglicht seinen Kunden den Zugriff auf Patienten-Informationen, angefangen von klinischen Informationen und Genomik für Ansprüche und Ersatz von Daten, Partovi Hinzugefügt. Wiederum Anbieter identifizieren können personalisierte Behandlung und Prävention Strategien und optimieren die klinische Entscheidungsfindung.

„Darüber hinaus, KI und des maschinellen Lernens sind die Bereitstellung der Werkzeuge zu verarbeiten und analysieren Sie die zunehmende Menge von Daten erzeugt, die von ärzten, Kliniken, Forschern und Organisationen, einschließlich strukturierter Daten, wie EHR-forms als auch unstrukturierte Daten, wie E-Mails, text-Dokumente und sogar Sprachnotizen“, sagte Patrick Combes, führend in der Technologie, healthcare und life sciences, bei AWS.

Zu diesem Zweck AWS vor kurzem kündigte Amazon Begreifen, Medical, ein machine-learning-service, die helfen können, verarbeiten von unstrukturierten Daten, wie z.B. medizinische Hinweise, Rezepte, audio-interview-Transkripte und Radiologie – Berichte sowie Informationen zur Identifizierung, wie Patienten die Diagnose, Behandlungen, Dosierungen, Systeme und Zeichen.

„Maschinelles lernen wird eingesetzt in einer Vielzahl von Aufgaben, wie die Analyse von medizinischen Bildern der Förderung von Präzisions-Medizin,“ Combes Hinzugefügt. „Tools nutzen, natural language processing, pattern recognition und Risiko-Identifikation sind auch die Entwicklung neuer Modelle für prädiktive, präventive und die Gesundheit der Bevölkerung mit großem Potenzial zu helfen, die Anbieter zu identifizieren, Lücken in der Pflege und zur Verbesserung der Gesundheit von Individuen und Gemeinschaften.“

Ein Beispiel ist Philips‘ HealthSuite digitale Plattform, einem cloud-basierten Fundgrube mit mehr als 21 Petabyte an Daten von 390 Millionen medizinische Bilder, medizinische Aufzeichnungen und Patienten-Eingänge – geben Anbieter, ärzte -, Daten-Wissenschaftler und software-Entwickler Zugriff auf sowohl die Qualität als Daten-und AI-tools liefern eine persönliche Betreuung, Erfahrung, erklärte er.

Healthcare-Anbieter weltweit mit einer zunehmenden internen und externen Druck, binden Sie Daten in Ihre Entscheidungsfindung zur Verbesserung der Pflege-Qualität, senken Kosten und treiben bessere geduldige Erfahrungen und Ergebnisse.

Darüber hinaus gibt es eine wachsende Menge an unstrukturierten Daten, die sich aus der Verschiebung von strukturierten Formen, text-und voice-Noten – fahren eine Möglichkeit für die KI und dem maschinellen lernen.

„Die Verarbeitung dieser Daten erzeugt eine komplexe, teure und rechtzeitige Codierverfahren für die medizinische Rechnungssteller und höheren Unzufriedenheit von Anbietern als Sie gezwungen sind, mehr Zeit zu reagieren, um Anfragen zu klären und zu identifizieren, die Segmente von Ihren Notizen, und weniger Zeit für den Patienten,“ Combes sagte.

Combes Hinzugefügt, die AWS ist zu sehen, dass ein erhebliches Interesse an machine learning und AI über die healthcare-Industrie zu helfen, die mine sowohl strukturierte als auch unstrukturierte Daten in den klinischen Einstellungen.

Fred Hutchinson Cancer Research Center in Seattle, zum Beispiel, ist die Verwendung von Amazon Nachvollziehen, Medizinische zu bewerten Millionen von klinischen Notizen zu extrahieren und index medizinische Bedingungen, Medikamente und die Wahl der Krebs-therapeutischen Möglichkeiten, die Zeit zu reduzieren, zu verarbeiten, jedes Dokument von Stunden auf Sekunden, erklärte er.

„Wie healthcare-Unternehmen vom Start-UPS bis zu etablierten Konzerne Blick zur KI und dem maschinellen lernen, gibt es mehrere wichtige Zutaten, die der Schlüssel zum Erfolg,“ Combes sagte. „Große Mengen von sorgfältig ausgewählten, qualitativ hochwertigen Daten; optimierte Systeme, die Einhaltung branchenspezifischer standards und Vorschriften; machine-learning-services zu beseitigen, dass das heben schwerer Aufbau, Schulung und bereitstellen von Modellen; und die cloud.“

Während der Kuration von Daten hoher Qualität können besonders herausfordernd in der healthcare-Industrie, die geplagt ist mit hoch komplexen und unstrukturierten Daten, ist es wichtig zu bedienen AI – und machine-learning-driven data-sets, sagte Partovi.

„Nach der erfolgreichen Etablierung der fundamentalen Elementen“, sagte Partovi, „Organisationen im Gesundheitswesen können entsperren die macht der KI und dem maschinellen lernen, mit dem Potenzial zur Verbesserung der Entscheidungsfindung, drive-mehr Wert für Patienten und Anbieter, und reduzieren die Zeit, die zur Erkenntnis und Einsicht.“

Amazon Web Services wird im Stand-5058.

Twitter: @SiwickiHealthIT
E-Mail der Autorin: [email protected]