Zestawy danych elektronicznej dokumentacji medycznej (EHR) z zanonimizowanymi danymi dla projektów AI i ML
Dane z Elektronicznej Dokumentacji Medycznej objęte licencją komercyjną, zgodne z ustawą HIPAA — gotowe do wykorzystania w klinicznej sztucznej inteligencji, przetwarzaniu języka naturalnego i modelowaniu predykcyjnym.
Czym są dane EHR i dlaczego są ważne dla sztucznej inteligencji?
Elektroniczna Dokumentacja Medyczna (EDM) to długofalowa, cyfrowa dokumentacja pacjenta prowadzona przez świadczeniodawców opieki zdrowotnej w całym kontinuum opieki – szpitalach, przychodniach, gabinetach specjalistycznych i laboratoriach. W przeciwieństwie do Elektronicznej Dokumentacji Medycznej (EDM), która jest zbiorem danych pojedynczego świadczeniodawcy, dane z EHR obejmują całą ścieżkę pacjenta, rejestrując interakcje w wielu placówkach opieki zdrowotnej.
Katalog zanonimizowanych danych EHR firmy Shaip obejmuje oba te aspekty, zapewniając Twojemu zespołowi pojedyncze, zgodne z przepisami źródło pełnego spektrum rozwiązań w zakresie rozwoju sztucznej inteligencji w opiece zdrowotnej.
Zbiory danych EHR zawierają dwa kluczowe typy danych dla rozwoju sztucznej inteligencji: dane ustrukturyzowane (dane demograficzne, kody rozpoznań ICD-10, kody DRG, listy leków, wyniki badań laboratoryjnych, parametry życiowe) oraz dane nieustrukturyzowane (notatki kliniczne, karty wypisowe, raporty radiologiczne, dyktanda lekarskie). Około 80% informacji w EHR jest nieustrukturyzowanych, co czyni je głównym paliwem do szkolenia klinicznego modelu NLP.
Znajdź odpowiednie dane z elektronicznej dokumentacji medycznej (EHR) dla swojej opieki zdrowotnej AI
Ulepsz swoje modele uczenia maszynowego dzięki najlepszym w swojej klasie danym treningowym. Shaip oferuje komercyjnie dostępne, zanonimizowane zestawy danych Elektronicznej Dokumentacji Zdrowotnej (EHR) zaprojektowane specjalnie dla zespołów AI i uczenia maszynowego. Nasz gotowy katalog danych EHR zapewnia ustrukturyzowaną, gotową do badań dokumentację medyczną z ponad 20 specjalności medycznych – obejmującą diagnozy, recepty, wyniki badań laboratoryjnych, raporty radiologiczne, historię szczepień i notatki kliniczne – wszystkie w pełni zanonimizowane zgodnie ze standardami HIPAA Safe Harbor i RODO.
Niezależnie od tego, czy budujesz systemy wspomagania decyzji klinicznych, trenujesz modele NLP na podstawie notatek lekarzy, opracowujesz algorytmy przewidywania chorób, czy wspierasz narzędzia automatyzacji opieki zdrowotnej, zestawy danych EHR firmy Shaip zapewniają Ci głębię, różnorodność i zgodność z przepisami, jakich wymaga Twój projekt AI. Dostępne z natychmiastową licencją, możliwością wyboru kohorty lub pobrania próbki.
Elektroniczna dokumentacja medyczna z półki (EHR):
- Ponad 5.1 mln rekordów i plików audio dla lekarzy w 31 specjalnościach
- Prawdziwa dokumentacja medyczna o złotym standardzie do szkolenia klinicznego NLP i innych modeli SI opartej na dokumentach
- Informacje o metadanych, takie jak MRN (anonimowy), data przyjęcia, data wypisu, długość pobytu, płeć, klasa pacjenta, płatnik, klasa finansowa, stan, dyspozycja wypisu, wiek, DRG, opis DRG, zwrot kosztów, AMLOS, GMLOS, ryzyko śmiertelność, ciężkość choroby, Grouper, szpitalny kod pocztowy itp.
- Dokumentacja medyczna z różnych stanów i regionów USA - Północny Wschód (46%), Południe (9%), Środkowy Zachód (3%), Zachód (28%), Inne (14%)
- Dokumentacja medyczna należąca do wszystkich objętych klas pacjentów — szpitalnych, ambulatoryjnych (klinicznych, rehabilitacyjnych, okresowych, chirurgicznych dziennych), nagłych.
- Dokumentacja medyczna wszystkich grup wiekowych pacjentów <10 lat (7.9%), 11-20 lat (5.7%), 21-30 lat (10.9%), 31-40 lat (11.7%), 41-50 lat (10.4%) ), 51-60 lat (13.8%), 61-70 lat (16.1%), 71-80 lat (13.3%), 81-90 lat (7.8%), 90+ lat (2.4%)
- Stosunek płci pacjentów 46% (mężczyzna) i 54% (kobieta)
- Zredagowane dokumenty PII zgodne z wytycznymi Safe Harbor zgodnie z HIPAA
| Lokalizacja | Dokumenty tekstowe |
|---|---|
| Północny wschód | 4,473,573 |
| Południe | 1,801,716 |
| Środkowy Zachód | 781,701 |
| Zachód | 1,509,109 |
| Kategoria głównej diagnozy | Dokumenty tekstowe |
|---|---|
| Używanie alkoholu/narkotyków i organiczne zaburzenia psychiczne spowodowane alkoholem/narkotykami | 48,717 |
| Łącznie ze wszystkim (sprawy z kategorią MDC i bez niej) | 8,566,687 |
| Sprawy bez zwrotu kosztów wygenerowane (nie określono MDC) | 790,697 |
| Przypadki ambulatoryjne (brak MDC) | 1,980,606 |
| Przypadki używające specjalnego grupera, takiego jak 3M (MDC nie określono) | 1,619,682 |
| Razem z MDC | 4,175,702 |
| Używanie alkoholu/narkotyków lub wywołane zaburzenia psychiczne | 48,717 |
| Burns | 444 |
| Oko | 3,549 |
| Męski system reprodukcyjny | 9,230 |
| Zakażenia ludzkim wirusem niedoboru odporności | 12,422 |
| Choroby i zaburzenia mieloproliferacyjne, słabo zróżnicowane nowotwory | 15,620 |
| Czynniki wpływające na stan zdrowia i inne kontakty ze służbą zdrowia | 21,294 |
| Żeński układ rozrodczy | 17,010 |
| Ucho, nos, usta i gardło | 22,987 |
| Wiele znaczących urazów | 27,902 |
| Układ krążenia | 589,730 |
| Krew, narządy krwiotwórcze i zaburzenia immunologiczne | 48,990 |
| Urazy, zatrucia i toksyczne skutki leków | 64,097 |
| Skóra, tkanka podskórna i piersi | 89,577 |
| Układ wątrobowo-żółciowy i trzustka | 127,172 |
| Choroby i zaburzenia endokrynologiczne, żywieniowe i metaboliczne | 142,808 |
| Noworodki i inne noworodki ze schorzeniami okołoporodowymi | 163,605 |
| Ciąża, poród i połóg | 165,303 |
| Nerki i drogi moczowe | 209,561 |
| Choroby i zaburzenia psychiczne | 282,501 |
| System nerwowy | 316,243 |
| Układ trawienny | 346,369 |
| Układ mięśniowo-szkieletowy i tkanka łączna | 329,344 |
| Układ oddechowy | 561,983 |
| Choroby zakaźne i pasożytnicze | 559,244 |
Zajmujemy się wszystkimi rodzajami licencjonowania danych, tj. tekstem, dźwiękiem, wideo lub obrazem. Zestawy danych składają się z zestawów danych medycznych dla ML: zestaw danych dyktowania lekarza, notatki kliniczne lekarza, zestaw danych rozmowy medycznej, zestaw danych transkrypcji medycznej, rozmowa lekarz-pacjent, medyczne dane tekstowe, obrazy medyczne — tomografia komputerowa, rezonans magnetyczny, ultrasonografia (zebrane podstawowe wymagania niestandardowe) .
Praktyczne zastosowania zestawów danych EHR w AI/ML
- Przewidywanie i diagnostyka chorób:Szkolenie modeli AI w celu przewidywania chorób, takich jak cukrzyca, rak i choroby układu sercowo-naczyniowego.
- Wsparcie decyzji klinicznych:Szkolenie modeli w celu formułowania zaleceń diagnostycznych, oznaczania interakcji lekowych i wspomagania planowania leczenia przy użyciu ustrukturyzowanych danych EHR.
- Medycyna spersonalizowana:Wykorzystaj dane demograficzne i diagnostyczne, aby zalecić spersonalizowane plany leczenia.
- Automatyzacja opieki zdrowotnej:Automatyzacja zadań administracyjnych, takich jak planowanie wizyt lub wystawianie faktur, przy użyciu narzędzi opartych na przetwarzaniu języka naturalnego (NLP) przeszkolonych na zestawach danych EHR.
- Predykcyjne modelowanie opieki zdrowotnej — Tworzenie modeli stratyfikacji ryzyka i przewidywania chorób przy użyciu longitudinalnych dokumentacji pacjentów, kodów DRG i wyników oceny ciężkości choroby.
- Badania dowodów ze świata rzeczywistego (RWE) — Generuj dowody po wprowadzeniu produktu na rynek i spostrzeżenia dotyczące nadzoru nad bezpieczeństwem farmakoterapii, analizując dane dotyczące wyników EHR w różnych kohortach pacjentów.
- NLP dla notatek klinicznych — Wyodrębniaj jednostki, stany i procedury z niestrukturyzowanych notatek lekarzy i wypisów ze szpitala, korzystając z adnotowanych danych szkoleniowych EHR.
Dlaczego warto wybrać firmę Shaip do obsługi zbiorów danych EHR?
Specjalistyczna siła robocza
Wykwalifikowani specjaliści zapewniają dokładność i wysoką jakość adnotacji danych.
Zgodność z przepisami
W pełni zanonimizowane zbiory danych zgodne z HIPAA i GDPR.
Konkurencyjne ceny
Dostarczamy ekonomiczne rozwiązania bez kompromisów w zakresie jakości.
Dane bez odchyleń
Surowe protokoły eliminują stronniczość, gwarantując niezawodne wyniki sztucznej inteligencji.
Szybko i dokładnie
Usprawnione procesy gwarantują szybkie dostarczanie zróżnicowanych danych wysokiej jakości.
Dostępność i dostawa
Wysoka dostępność sieci i terminowe dostarczanie danych, usług i rozwiązań.
Sprawdzone na dużą skalę
Zaufali nam Google i wiodące firmy zajmujące się sztuczną inteligencją w ochronie zdrowia. Kontrolowana jakość w oparciu o procesy 6 Sigma Black Belt i opinie ekspertów medycznych.
Gotowy do użytku komercyjnego
Gotowy katalog EHR firmy Shaip jest licencjonowany, pozbawiony elementów pozwalających na identyfikację użytkowników i gotowy do pobrania lub uzyskania do niego dostępu za pośrednictwem Databricks Marketplace już dziś.
Pełne wsparcie cyklu życia
Potrzebujesz adnotacji do surowych danych? Shaip oferuje deidentyfikację, kliniczne etykietowanie NER i rozbudowę danych od jednego partnera.
Nie możesz znaleźć tego, czego szukasz?
Nowe, gotowe zestawy danych medycznych są gromadzone we wszystkich typach danych
Skontaktuj się z nami teraz, aby uwolnić się od obaw związanych z gromadzeniem danych dotyczących treningu medycznego
Często Zadawane Pytania (FAQ)
1. Do czego służą zbiory danych EHR w sztucznej inteligencji?
Zbiory danych EHR służą do trenowania modeli AI w celu przewidywania chorób, podejmowania decyzji klinicznych i spersonalizowanego leczenia.
2. W jaki sposób dane EHR są wykorzystywane w projektach AI/ML?
Dane z EHR służą do trenowania modeli AI w celu wspomagania decyzji klinicznych, przewidywania chorób, spersonalizowanego planowania leczenia i automatyzacji opieki zdrowotnej.
3. Czy dane EHR są anonimizowane?
Tak, wszystkie dane EHR są anonimizowane w celu usunięcia danych osobowych (PII) zgodnie z przepisami o ochronie prywatności.
4. Jakie są kluczowe elementy danych EHR?
Dane EHR zawierają takie szczegóły, jak dane demograficzne pacjenta, historia choroby, diagnozy, plany leczenia, wyniki badań laboratoryjnych, obrazy radiologiczne (np. tomografia komputerowa, rezonans magnetyczny, zdjęcia rentgenowskie), recepty i dokumentacja szczepień.
5. Czy dane są zgodne z ustawą HIPAA i innymi przepisami?
Tak, dane są zgodne z HIPAA, GDPR i innymi globalnymi standardami prywatności, co gwarantuje bezpieczne i etyczne wykorzystanie.
6. Czy zbiory danych EHR można dostosowywać?
Tak, zestawy danych można dostosowywać na podstawie konkretnych specjalizacji medycznych, regionów, danych demograficznych pacjentów lub wymagań projektu.
7. Czy dane można zintegrować z moimi modelami AI?
Tak, zbiory danych są udostępniane w standardowych formatach (np. JSON, CSV), co ułatwia integrację z procesami AI i ML.
8. W jaki sposób zapewniana jest jakość danych?
Dane przechodzą rygorystyczną walidację i kontrole jakości w celu zapewnienia dokładności, spójności i niezawodności.
9. Jaki jest koszt zbiorów danych EHR?
Koszty zależą od takich czynników jak wolumen danych, dostosowanie i zakres projektu. Prosimy o wypełnienie formularza „Skontaktuj się z nami” ze swoimi wymaganiami, aby otrzymać najlepszą ofertę.
10. Jakie są terminy dostarczania zestawów danych EHR?
Terminy realizacji zależą od rozmiaru i złożoności projektu, ale są zaprojektowane tak, aby dotrzymać uzgodnionych terminów.
11. W jaki sposób zbiory danych EHR mogą udoskonalić rozwiązania AI w opiece zdrowotnej?
Zbiory danych EHR umożliwiają systemom AI dostarczanie lepszej diagnostyki, analiz predykcyjnych i spersonalizowanego leczenia, co przekłada się na poprawę wyników leczenia pacjentów i wydajność opieki zdrowotnej.
12. Czy mogę otrzymać spersonalizowane zestawy danych EHR?
Tak, Shaip oferuje dostosowane zestawy danych EHR oparte na specjalizacji, grupie wiekowej, regionie geograficznym lub wymaganiach projektu.
13. Jaka jest różnica między zbiorem danych EHR a zbiorem danych EMR?
Elektroniczna Dokumentacja Medyczna (EDM) zawiera dane kliniczne pochodzące od jednego świadczeniodawcy; Elektroniczna Dokumentacja Medyczna (EHR) obejmuje cały proces opieki, obejmujący wielu świadczeniodawców, placówki i okresy. Shaip oferuje warianty zbiorów danych EHR i EMR, z możliwością analizy longitudinalnej wielu świadczeniodawców, co pozwala na realizację złożonych wymagań dotyczących szkolenia AI.
14. W jaki sposób dane EHR są anonimizowane?
Wszystkie rekordy są anonimizowane metodą Safe Harbor zgodną z zasadami HIPAA Privacy Rule – usuwając wszystkie 18 identyfikatorów PHI, w tym imię i nazwisko, datę urodzenia, adres i numery dokumentacji medycznej. Zanonimizowane pole MRN jest zachowywane w celu powiązania rekordów w zbiorze danych, co umożliwia analizę longitudinalną bez ryzyka ponownej identyfikacji.
