Microsoft анонсував Project Health Insights Preview – удосконалення ІІ для даних про здоров'я

Ми живемо за доби безпрецедентного збільшення обсягу даних про здоров'я. Оцифрування медичних карт, медичних зображень, геномних даних, клінічних нотаток та багато іншого сприяло експоненційному збільшенню обсягу медичних даних. Потенційна вигода від цих даних про здоров'я величезна. Однак із зростанням обсягу даних про здоров'я виникають нові проблеми, у тому числі акцент на конфіденційність та безпеку даних, необхідність стандартизації даних та функціональної сумісності. Необхідні ефективні інструменти для отримання інформації, прихованої в цих даних, та використання її для отримання цінної інформації, висновків та глибокої аналітики, які можуть розібратися в даних та підтримати клініцистів.

Microsoft радий оголосити попередню версію Project Health Insights. Project Health Insights — це служба, яка отримує цінні відомості на основі даних пацієнтів і включає попередньо створені моделі, призначені для реалізації ключових високоцінних сценаріїв в галузі охорони здоров'я. Моделі отримують дані про пацієнтів у різних модальностях, виконують аналіз і дозволяють клініцистам отримувати висновки та ідеї з доказами вхідних даних. Ці ідеї можуть допомогти фахівцям у галузі охорони здоров'я у розумінні клінічних даних, таких як профілі пацієнтів, зіставлення клінічних випробувань та багато іншого.

Project Health Insights підтримує попередньо створені моделі, які отримують дані про пацієнтів у різних модальностях як вхідні дані та виробляють аналітичні висновки та висновки, які включають:

• Показники достовірності: що вище показник достовірності, то впевненішою була модель щодо наданого значення висновку.
• Докази: зв'язування вихідних даних моделі з конкретними доказами наданих вхідних даних, такими як посилання на фрагменти тексту, що відображають дані, які привели до розуміння.

Project Health Insights Preview включає дві моделі штучного інтелекту корпоративного рівня, які можна підготувати та розгорнути за лічені хвилини: Oncology Phenotype та Clinical Trial Matcher.

Oncology Phenotype – це модель, яка дозволяє постачальникам медичних послуг швидко ідентифікувати ключові ознаки раку у популяції пацієнтів із існуючим діагнозом раку. Модель ідентифікує атрибути раку, такі як локалізація пухлини, гістологія, клінічна стадія, пухлина, вузли та категорії метастазів (TNM), а також категорії патологічної стадії TNM з неструктурованих клінічних документів.

Ключові особливості моделі онкологічного фенотипу включають:

• Виявлення раку.
• Вилучення клінічного тексту для солідних пухлин.
• Рейтинг важливості доказів.

Clinical Trial Matcher - це модель, яка зіставляє пацієнтів з потенційно відповідними клінічними випробуваннями відповідно до критеріїв прийнятності випробувань та даних про пацієнтів. Модель допомагає знаходити відповідні клінічні випробування, для яких пацієнти можуть бути кваліфіковані, а також знаходити когорту потенційних пацієнтів для списку клінічних випробувань.

Основні характеристики моделі Clinical Trial Matcher включають:

• Підтримка сценаріїв, які:
  • Орієнтація на пацієнта: допомога пацієнтам у пошуку потенційно відповідних клінічних випробувань та оцінці їх відповідності критеріям випробувань.
  • Trial Centric: Зіставлення дослідження з базою даних пацієнтів для визначення когорти потенційно відповідних пацієнтів.
• Інтерактивне зіставлення, коли модель дає уявлення про відсутню інформацію, необхідну подальшого звуження потенційного списку клінічних випробувань з допомогою інтерактивного досвіду.
• Підтримка різних модальностей даних про пацієнтів, таких як неструктуровані клінічні записи, структуровані дані про пацієнтів та пакети Fast Healthcare Interoperability Resources (FHIR ® ).
• Підтримка пошуку за вбудованими графіками знань для клінічних випробувань із сайту ClinicalTrials.gov, а також за протоколом випробувань з певними критеріями прийнятності.

Оптимізація зіставлення клінічних випробувань та досліджень раку

За даними Всесвітньої організації охорони здоров'я, кількість зареєстрованих клінічних випробувань збільшилася більш ніж на 4800 відсотків із 1999 по 2021 рік. На сьогоднішній день проводиться більше 82 000 клінічних випробувань, в яких беруть активну участь учасники по всьому світу (згідно з даними Clinicaltrials.gov) з критеріями відбору учасників, що постійно ускладнюються. Однак включення до клінічних випробувань ґрунтується на ручному скринінгу мільйонів пацієнтів, кожен з яких має до сотні клінічних записів, що потребують розгляду та аналізу медичним працівником, що робить цей процес нестійким. Враховуючи це, не дивно, що до 80 відсотків клінічних випробувань не відповідають встановленим термінам включення до клінічних випробувань,

Модель онкологічного фенотипу дозволяє лікарям ефективно аналізувати дані про хворих на рак на основі локалізації пухлини, гістології пухлини та стадії раку. Ці моделі забезпечують важливі будівельні блоки для реалізації цілей, поставлених ініціативою Білого дому Cancer Moonshot: розробка та тестування нових методів лікування, обмін додатковими даними та знаннями, співпраця в галузі інструментів, які можуть принести користь усім, та досягнення прогресу у боротьбі з раком

Забезпечення цінності для галузі охорони здоров'я та медико-біологічних наук

Медичний центр Університету Джона Хопкінса є одним із перших користувачів Project Health Insights. Д-р Шрінівасан Йегнасубраманян використовує модель онкологічного фенотипу, щоб використовувати неструктуровані дані для прискорення зусиль курування ракового реєстру для пацієнтів з солідними пухлинами.

Pangea Data – партнер Microsoft, який працює над ІІ для здоров'я. «  У Pangea Data ми допомагаємо компаніям виявляти в 22 рази більше недіагностованих, помилково діагностованих та неправильно кодованих пацієнтів, характеризуючи їх шляхом розкриття та узагальнення клінічно достовірної практичної інформації з історій хвороби пацієнтів у федеративній, що зберігає конфіденційність, масштабується та розвивається манері. Ми вивчаємо можливість використання Project Health Insights, щоб розширити наші власні передові можливості для характеристики пацієнтів  », – Вібхор Гупта, директор та засновник Pangea Data.

Akkure Genomics допомагає пацієнтам використовувати власні геномні дані або ДНК, щоб підвищити свої шанси на участь у клінічному випробуванні. В AKKURE GENOMICS ми використовуємо Project Health Insights, який розширює можливості нашої власної платформи штучного інтелекту та цифрової ДНК, щоб допомогти пацієнтам підібратися до клінічних випробувань на основі їх індивідуальних медичних діагнозів ,  тим самим збільшуючи кількість учасників та підвищуючи шанси знайти точне дослідження. та прискорення відкриття нових терапевтичних засобів та ліків  ». - Професор Оран Рігбі, головний технічний директор та засновник Akkure.

Створено із турботою про кінцевого користувача

Початкові моделі були перевірені в дослідному середовищі завдяки стратегічному партнерству між Microsoft та Providence для прискорення цифрової трансформації в галузі охорони здоров'я та наук про життя. Ці моделі можуть дозволити онкологам суттєво розширити свої можливості у галузі точної онкології та генерувати аналітичні дані та ідеї, корисні як для лікарів, так і для пацієнтів.

«  Здатність Microsoft структурувати складні поняття за допомогою своїх інструментів обробки природної мови для раку значною мірою сприяла нашій здатності створювати дослідні когорти та обговорювати варіанти лікування раку  ». Карло Біфулко, головний медичний директор Providence Genomics.

Microsoft продовжить розширювати можливості Project Health Insights, щоб підтримувати додаткові робочі навантаження в галузі охорони здоров'я та надавати аналітичні дані, які допоможуть приймати ключові рішення у сфері охорони здоров'я.

Microsoft продовжує розширювати портфель послуг ІІ для охорони здоров'я

Microsoft продовжує інвестувати у послуги штучного інтелекту для галузі охорони здоров'я та медико-біологічних наук. Поряд з іншими новими пропозиціями в Microsoft Cloud for Healthcare, Microsoft радий оголосити про нові покращення Text Analytics for Health (TA4H).

Нові покращення включають:

• Вилучення інформації про соціальні детермінанти здоров'я (SDoH) та етнічну приналежність . Нещодавно представлені функції SDoH та Ethnicity дозволяють вилучати соціальні, екологічні та демографічні фактори з неструктурованого тексту. Ці фактори сприятимуть розробці більш інклюзивних програм для охорони здоров'я. Докладніше про це читайте у нашому блозі.
• Тимчасові твердження - минуле, сьогодення та майбутнє. Можливість ідентифікувати тимчасовий контекст об'єктів TA4H у минулому, теперішньому чи майбутньому.

• Тепер клієнти можуть розширити TA4H для підтримки користувача сутності на основі їх власних даних. Тепер клієнти також можуть розширювати об'єкти, які видобувають служба.

Microsoft також радий повідомити, що Azure Health Bot тепер має новий шаблон Azure OpenAI у попередній версії. Шаблон Azure Health Bot OpenAI дозволяє клієнтам розширити свій екземпляр Azure Health Bot за допомогою служби Azure OpenAI, щоб розумніше відповідати на нерозпізнані висловлювання. Ця функція буде включена через каталог шаблонів Azure Health Bot. Клієнти можуть імпортувати цей шаблон у свій екземпляр бота, використовуючи кінцеву точку та ключ ресурсу Azure OpenAI, що дозволяє використовувати резервні відповіді, згенеровані GPT з надійних, придатних з медичної точки зору джерел, які можуть бути надані клієнтами. Ця функція надає клієнтам механізм для експериментів із цією можливістю як попередній перегляд.

Microsoft сподівається на співпрацю з вами та вашими організаціями у цій подорожі щодо покращення здоров'я людства.

Інші новини