historia de éxito

UTHealth acelera la investigación médica aprovechando la IA y el ML en colaboración con Virtusa, Cardinal Health y AWS

Virtusa colaboró con el Centro de Ciencias de la Salud de la Universidad de Texas (UTHealth), Cardinal Health y Amazon Web Services (AWS) para avanzar en la investigación médica utilizando las últimas tecnologías de inteligencia artificial (IA) y aprendizaje automático (ML). Esta investigación se centró en encontrar las mejores estrategias de tratamiento y gestión de la hemorragia subaracnoidea (HSA) a partir de datos sanitarios y simulaciones informáticas.

El desafío

Mientras que el futuro de las ciencias de la vida está impulsado por la innovación basada en los resultados con un alto grado de personalización, la industria de las ciencias de la vida ha sido un adoptador tardío de las tecnologías innovadoras a pesar de los grandes presupuestos de I+D.& Como resultado, la industria está lidiando con los desafíos que trae el repentino aumento de la disrupción digital.

Además, la mayoría de las empresas de ciencias de la vida generan terabytes de datos que permanecen en silos. Durante mucho tiempo, las empresas no los consideraban adecuados para el análisis retrospectivo. Sin embargo, las cosas están cambiando. La industria de las ciencias de la vida está ahora preparada para liberar el poder de los datos simulados.

La adopción de tecnologías de IA se ha vuelto más crítica que nunca. Los expertos están impulsando la creación de soluciones inteligentes para mejorar la vida y hacer más eficientes las empresas. Sin embargo, el reto fundamental para alimentar este crecimiento tecnológico y económico es cuantificar los datos en predicciones y decisiones algorítmicas.

La solución

Virtusa y Cardinal Health simularon un amplio conjunto de datos que comprende registros sanitarios electrónicos (EHR) que representan a más de 30.000 pacientes. Aprovechamos vLife®, la plataforma de Virtusa basada en la nube, con un extenso lago de datos que cumple con la HIPAA con múltiples fuentes de datos, APIs pre-construidas, IA y modelos ML. Se utiliza para descubrir tendencias ocultas que condujeron a nuevas estrategias de tratamiento y curas para diversas enfermedades.

UTHealth aprovechó estos datos simulados para entrenar y evaluar modelos de ML para predecir los resultados del tratamiento de enfermedades específicas. Una veintena de profesores y estudiantes del departamento de bioestadística y ciencia de datos de la escuela UTHealth se asociaron con varios expertos médicos y de datos para generar los datos. Mientras tanto, los datos proporcionados a través de la simulación de la población de pacientes proxy de Cardinal Health requirieron un mínimo de limpieza y preparación de datos. Una vez listos, los datos se ejecutaron en un modelo de aplicación ML para generar predicciones precisas.

Servicios AWS utilizados:

  • AWS Redshift
  • AWS S3
  • AWS EC2
  • AWS Elastic Beanstalk
  • AWS CloudFront
  • AWS CloudFormation
La solución
La ventaja

Ayudamos a UTHealth a acelerar la investigación y a aumentar las pruebas existentes en el mundo real utilizando datos clínicos simulados y listos para usar. UTHealth utilizó los datos simulados para comparar datos, entrenar modelos de aprendizaje automático y verificar metodologías de entrenamiento de modelos. El hecho de que los datos fueran simulados y, por lo tanto, no tuvieran carácter confidencial, permitió a UTHealth publicar los datos para validar su investigación abiertamente.

Contenido relacionado