Pobierz Case Study
W walce z rakiem dane są równie istotne jak determinacja. W Shaip jesteśmy dumni, że umożliwiliśmy ogromny postęp w badaniach onkologicznych, pomagając naszemu klientowi opracować dostosowany do jego potrzeb model NLP, który stanowi świadectwo innowacyjności, precyzji i prywatności.
Zrozumienie wyzwania
Nasz klient, lider w branży opieki zdrowotnej, stanął przed trudnym zadaniem: przetwarzaniem szerokiej gamy dokumentacji medycznej z zakresu onkologii, równoważąc jednocześnie skrupulatną analizę danych z rygorystycznymi standardami prywatności. Cel był jasny – udoskonalić badania onkologiczne w ramach regulacyjnych.
Tworzenie rozwiązania
Naszą odpowiedzią było wdrożenie kompleksowej strategii obejmującej zakres danych klinicznych, rygorystyczną deidentyfikację zgodną z HIPAA oraz stworzenie solidnych wytycznych dotyczących adnotacji. Te kroki zapewniły dostarczenie adnotacji do danych o wysokiej wierności i najwyższe poszanowanie prywatności pacjentów.
Zrozumienie terminologii dotyczącej opieki zdrowotnej
Aby pomóc klientowi w opracowaniu indywidualnego modelu NLP, zagłębiliśmy się w unikalny język i terminologię stosowaną w onkologii. Nasi eksperci rozumieli niuanse i kontekst dyskursu onkologicznego
Gromadzenie danych: poruszanie się po oceanie danych
Nasza podróż w ramach tego projektu onkologicznego przypominała poruszanie się po oceanie danych. Konieczne było nie tylko przepłynięcie przez ten ogrom, ale także nurkowanie głęboko i wydobycie na powierzchnię ukrytych w nim pereł wglądu.
Annotatorzy: niedocenieni bohaterowie precyzji danych
Za każdym punktem danych, który omówiliśmy, stał zespół niedocenionych bohaterów. Nasi adnotatorzy, przeszkoleni w zakresie specyficznych potrzeb danych onkologicznych, pracowali z precyzją, aby mieć pewność, że każdy znacznik i każda etykieta została umieszczona celowo. Eksperci dziedzinowi skutecznie zidentyfikowali i skategoryzowali kluczowe jednostki medyczne, które były siłą napędową badań onkologicznych. Ta dbałość o szczegóły miała kluczowe znaczenie przy tworzeniu zbioru danych, z którego maszyny mogły się uczyć, a lekarze mogli na nim polegać.
Oświadczenie dotyczące notatki klinicznej z zakresu onkologii
„W dniu 03 u pacjentki Jane Doe zdiagnozowano niedrobnokomórkowego raka płuc (NSCLC) w stopniu IIIB, a konkretnie gruczolakoraka. Rak zlokalizowany jest w prawym dolnym płacie płuca. Jest klasyfikowany jako T05N2023M3 zgodnie z systemem stopni zaawansowania TNM, z guzem o wymiarach 2 cm x 0 cm. Delecję w eksonie 5 EGFR zidentyfikowano poprzez analizę PCR próbki z biopsji guza. Chemioterapię karboplatyną AUC 3 i pemetreksedem 19 mg/m² rozpoczęto 5 i należy ją podawać co 500 tygodnie. Rozpoczęcie radioterapii wiązkami zewnętrznymi (EBRT) w dawce 03 Gy w 20 frakcjach 2023r. Leczenie pacjenta jest w toku, a w ostatnim badaniu MRI nie stwierdzono przerzutów do mózgu. Nie ustalono jeszcze możliwości inwazji naczyń limfatycznych, a tolerancja pacjenta na pełny schemat chemioterapii pozostaje niepewna.
Deidentyfikacja danych: etyka i innowacje
W miarę jak rozwijaliśmy się w naszych możliwościach NLP, niezmiennie trzymaliśmy się standardów etycznych. Deidentyfikowanie danych było równie ważne jak ich analiza, dzięki czemu nasze dążenie do innowacji nigdy nie naruszyło prywatności pacjentów.
On [Wzór daty], o godzinie 11:00, p. [Imię pacjenta], w wieku [Wiek], został przyjęty do [Nazwa Centrum Medycznego] na zaplanowaną operację stawu biodrowego, po konsultacji z lekarzem pierwszego kontaktu, dr. [Nazwisko lekarza], i uczestniczyli [Imię i nazwisko lekarza] lekarz medycyny W czasie pobytu był pod opieką [Pielęgniarka stażystka], NP i [Pielęgniarka stażystka], RN, z [Nazwisko lekarza], PA, również będące w trakcie konsultacji. Operacja przeprowadzona w tym samym dniu co przyjęcie przebiegła pomyślnie i nie stwierdzono żadnych powikłań. Po operacji p. [Imię pacjenta] został przeniesiony do pokoju nr. [Numer pokoju], Piętro nr. [Numer piętra], do odzysku. Podczas jego krótkiego pobytu, jego dokumentacja medyczna, w tym MRN [Numer dokumentacji medycznej] i Konto [Numer konta], były obsługiwane zgodnie ze standardowymi protokołami [Nazwa domu opieki], jego poprzednie miejsce zamieszkania. Jeszcze tego samego dnia został wypisany pod opiekę [Nazwa kliniki] na dalszą regenerację.
Wpływ Shaipa
Dzięki naszym zaawansowanym technikom adnotacji i zastosowaniu NLP na tysiącach stron dokumentacji związanej z onkologią dostarczyliśmy wysoce dopracowany zbiór danych. Ten zbiór danych stał się kamieniem węgielnym bieżących i przyszłych wysiłków badawczych klienta, których celem jest poprawa wyników leczenia pacjentów i efektywności świadczenia opieki.
Testament naszych możliwości
Sukces tego projektu podkreśla naszą zdolność do precyzyjnego poruszania się po złożonych danych medycznych. Nasze zaangażowanie w poprawę wyników opieki nad pacjentem i przyspieszenie innowacji w opiece zdrowotnej zostało uznane przez naszych klientów za instrumentalne w rozwijaniu ich możliwości NLP w dziedzinie onkologii.
Wnioski
W Shaip nie interesują nas tylko dane; zależy nam na kształtowaniu przyszłości opieki zdrowotnej. W dalszym ciągu przesuwając granice możliwości dzięki sztucznej inteligencji i uczeniu maszynowemu w onkologii, nadal skupiamy się na dostarczaniu rozwiązań, które są nie tylko zaawansowane technologicznie, ale także rozsądne etycznie i skoncentrowane na pacjencie. W przypadku każdego zbioru danych i każdego modelu nie tylko przetwarzamy informacje; kształtujemy przyszłość opieki onkologicznej. Jako liderzy w tej dziedzinie jesteśmy podekscytowani możliwościami, jakie nasze możliwości NLP i AI otwierają zarówno dla pracowników służby zdrowia, jak i pacjentów.
