「データこそが差別化要因」: 統合データ戦略がヘルスケア AI の成功をどのようにサポートするか

病院がデータ主導であることを望んでいるだけでなく、患者もそれを要求しています。患者は、特定の状況に基づいて意味のある方法で治療を受けることを望んでいます。AIツールを質の高いデータに適用することは、業界を目的に合ったデータへと導く1つの方法ですが、カーンは、 大規模言語モデルのトレーニング （法学修士）患者データ 患者データのプライバシーが侵害されるリスクを冒さずに彼は、患者データを、患者と医療従事者のマッチングなどの有意義なユースケースに活用すべきだと説明した。 臨床試験 個々のデータセットを接続します。

「根本的な課題は、このデータがほぼ無限に増加し、より複雑になっていることです。 このデータをより有用なものにする 「医療機関にとって意味のあることなので、それを結び付けることが重要です」とカーン氏は述べ、例えばレントゲン検査中に遺伝子データを重ね合わせると、患者の実際の健康状態についてより詳しく知ることができると付け加えた。

LLMは、ヘルスケア組織がエコシステム内に持つさまざまなデータソースをすべて解析するのに役立ちます。機械学習モデルの一種であるLLMは、シーケンス内で次に何が起こるかを予測できます。実際のユースケースに適用するには、データにバイアスや情報ギャップが含まれていないことが不可欠です。カーン氏は、業界はデータについて次のレベルで考える必要があると述べました。 生成AIを使用するコンテキスト。

彼は、ChatGPT からの応答が必ずしも透明であるとは限らず、ユーザーは特定のデータを必要とするタスクに汎用モデルを使用している可能性があると指摘しました。

探検する： 医学部では、AI をより深く理解できる次世代の臨床医を育成しています。

医療機関はどのようにして統合データ戦略を構築できるのでしょうか?

「まず第一に、データは企業の中核資産である必要があります」とカーンは述べ、モデルは最終的には企業にとっての必需品になるべきだと説明した。「企業が繁栄し成功するには、自社のデータを見て、それが自分たちが長い時間をかけて収集してきたものであり、それを資産として扱うべきだと認識する必要があります。」

医療機関が医療システム内でのコラボレーションとデータ共有をサポートし、市民データ サイエンティストが重要な質問に対する答えを見つけられるようにすることも同様に重要です。次のステップは、より有用で偏りの少ないデータ モデルを作成できるフェデレーション データです。たとえば、ニューイングランドのデータに基づいてうっ血性心不全を予測するアルゴリズムをトレーニングすると、アジアやアフリカなどのどこかに展開することが難しくなります。

カーン氏は、連合アプローチによって偏見を減らし、コンプライアンスを維持し患者データを保護する有意義な方法でデータ共有を可能にすることができると示唆した。

AWS は、医療機関が統合データ戦略の目標を達成できるように支援するさまざまなサービスを提供しています。

• AWS ヘルスレイク: 医療機関が高速ヘルスケア相互運用性リソースを使用してデータを表示し、データを安全に保存し、機械学習モデルを使用してデータを分析できるようにするクラウドサービス
• AWS ヘルスイメージング: 医療機関が医療画像を保存、分析、共有できるようにするクラウドサービス
• AWS ヘルスオミクス: 医療機関とそのパートナーがゲノムデータやトランスクリプトミクスデータを含むオミックスデータを保存、照会、分析するのに役立つサービス
• AWS ヘルススクライブ: 医療機関が患者と医師の会話の音声をキャプチャし、生成AIを使用して臨床記録に変換できるようにするサービス
• アマゾン岩盤: 医療機関が生成型AIアプリケーションを構築するためのいくつかの基礎モデルにアクセスできるようにするサービス
• Amazon Q 開発者: 生成AIを活用したソフトウェア開発を支援するサービス
• Amazon セージメーカー: 医療機関が機械学習モデルを構築、トレーニング、展開するのを支援するサービス

これらのツールを使用することで、バイオ医薬品企業は患者と関連する臨床試験をマッチングするプロセスを自動化できます。この技術により、研究者は以前よりも迅速にデータを統合できます。また、データ共有を変革して小児がん研究を前進させることもできます。 AWSと小児脳腫瘍ネットワークのパートナーシップの目標。

「私たちは、これまでアクセスできなかった、あるいはデータの保存方法のせいで不可能だったツールを人々に提供しています」とカーン氏は語った。