Erfolgsgeschichte

UTHealth beschleunigt medizinische Forschung durch Nutzung von KI und ML in Zusammenarbeit mit Virtusa, Cardinal Health und AWS

Virtusa arbeitete mit dem University of Texas Health Science Center (UTHealth), Cardinal Health und Amazon Web Services (AWS) zusammen, um die medizinische Forschung mithilfe der neuesten Technologien für künstliche Intelligenz (KI) und maschinelles Lernen (ML) voranzutreiben. Diese Forschung konzentrierte sich darauf, die besten Behandlungs- und Managementstrategien für Subarachnoidalblutungen (SAH) auf der Grundlage von Gesundheitsdaten und Computersimulationen zu finden.

Ensure that you open the links to enable the Next button, assuming you have read all the documents.
Okay & NextClick to Next
Die Herausforderung

Während die Zukunft der Biowissenschaften von ergebnisorientierten Innovationen mit einem hohen Maß an Personalisierung bestimmt wird, hat die Biowissenschaftsbranche innovative Technologien trotz der großen F&D-Budgets erst spät übernommen. Infolgedessen kämpft die Branche mit den Herausforderungen, die der plötzliche Anstieg der digitalen Disruption mit sich bringt.

Außerdem erzeugen die meisten Biowissenschaftsunternehmen Terabytes an Daten, die in Silos lagern. Lange Zeit hielten die Unternehmen diese Daten nicht für eine retrospektive Analyse geeignet. Doch das ändert sich jetzt. Die Biowissenschaftsbranche ist jetzt bereit, die Macht der simulierten Daten zu nutzen.

Die Einführung von KI-Technologien ist heute wichtiger denn je. Experten drängen nun darauf, intelligente Lösungen zu schaffen, um das Leben besser und die Unternehmen effizienter zu machen. Die grundlegende Herausforderung bei der Förderung dieses technologischen und wirtschaftlichen Wachstums ist jedoch die Quantifizierung von Daten in algorithmischen Vorhersagen und Entscheidungen.

Die Lösung

Virtusa und Cardinal Health simulierten einen umfassenden Datensatz mit elektronischen Gesundheitsakten (EHR), die mehr als 30.000 Patienten repräsentieren. Wir nutzten vLife®, Virtusas Cloud-basierte Plattform mit einem umfangreichen HIPAA-konformen Data Lake mit mehreren Datenquellen, vorgefertigten APIs, KI und ML-Modellen. Sie wird genutzt, um verborgene Trends aufzudecken, die zu neuen Behandlungsstrategien und Heilungsmöglichkeiten für verschiedene Krankheiten führen.

UTHealth nutzte diese simulierten Daten, um ML-Modelle zur Vorhersage von Behandlungsergebnissen für bestimmte Krankheiten zu trainieren und zu bewerten. Etwa zwanzig Dozenten und Studenten der Abteilung für Biostatistik und Datenwissenschaft der UTHealth School arbeiteten mit verschiedenen Medizin- und Datenexperten zusammen, um Daten zu generieren. In der Zwischenzeit mussten die Daten, die durch die Simulation der Proxy-Patientenpopulation von Cardinal Health bereitgestellt wurden, nur minimal bereinigt und aufbereitet werden. Sobald die Daten fertig waren, wurden sie in einem ML-Anwendungsmodell ausgeführt, um genaue Vorhersagen zu erstellen.

Verwendete AWS Services:

  • AWS Redshift
  • AWS S3
  • AWS EC2
  • AWS Elastic Beanstalk
  • AWS CloudFront
  • AWS CloudFormation
Die Lösung
Der Nutzen

Wir halfen UTHealth dabei, die Forschung zu beschleunigen und die vorhandenen realen Erkenntnisse durch simulierte, sofort einsetzbare klinische Daten zu ergänzen. UTHealth nutzte die simulierten Daten für Datenvergleiche, das Training von Machine-Learning-Modellen und die Verifizierung von Modelltrainingsmethoden. Die Tatsache, dass es sich um simulierte Daten handelte und diese daher nicht vertraulich waren, ermöglichte es UTHealth, die Daten zur Validierung ihrer Forschung offen zu veröffentlichen.

Verwandte Inhalte