Avustralya Epilepsi Projesi (AEP), endüstri oyuncularının durumu daha iyi anlamalarına yardımcı olmak için epilepsi üzerine bir veri kümesi oluşturmayı ve AI ve Cloud’a dokunmayı amaçlamaktadır.
Hem baş araştırmacı Graeme Jackson hem de Dijital ve Teknoloji Lideri Anton De Weger Dijital ulus dünyanın en büyük bağlantılı veri kümesi olarak, sağlık çalışanlarının epilepsi anlayışını geliştirecek ve hastaların daha iyi yönetmelerine yardımcı olacak.
“Motivasyon hastaların hayatını değiştirmektir. 50 kişiden biri aktif epilepsiye sahip olacak. Nüfusun yüzde ikisine kadar [and] Jackson, yüzde 10’dan fazlasının hayatlarında bir zamanlar nöbet geçirecek. “Dedi.
“Bir klinisyen ve araştırmacı olarak nüfus ölçeğinde çözümler istiyorum.
“Biz [having] Bir tuğla ve harç hastanesinde yaşayan uzmanlığı, nüfus ölçeğine verilerden çıkarma yeteneği.
“Bin epileptolog yapamazsınız, ancak bizim tarafımızdan eğitilmiş verileri ölçeklendirebilir ve bu nüfusu araştırabilirsiniz. [so] Herkes hastalıklarının başlarında optimal bakım alır.
“Sağlık hizmetleri sonuçları ve sağlık ekonomik sonuçları muazzam.”
Proje, Florey Sinirbilim ve Ruh Sağlığı Enstitüsü’nün bir parçasını oluşturur ve Melbourne Üniversitesi ve Austin Sağlık’a da bağlıdır.
Ekibin çalışması, klinisyenlerin raporlamayı merkezileştirmeleri için bir portala yol açmıştır ve yapılandırılmamış verileri anlamak için makine öğrenimi de kullanılmaktadır.
De Weger, “AWS’ye gittik ve bunları sağlık hizmetleri etrafında sağladıkları tüm barındırma hizmetlerini ve diğer birçok hizmeti sağlamak için kullanmaya karar verdik” dedi.
“Bunu sistemimiz için bir temel olarak kullanıyoruz.
“Bir nörologun giriş yapmasına ve standart bir raporu görmesine izin veren bir klinisyen portalı geliştirdik, böylece güvenlik ile başa çıkabilir ve tüm bilgilerin olması gereken yerde kaldığından emin olabiliriz.
De Weger, “Tüm veriler Avustralya ortamında kalıyor. Hepsi dinlenir.” Dedi.
Buradan ekibin, veri ve makine öğrenme modellerini analiz etmeye yardımcı olmak için AWS hizmetlerini daha fazla kullanmaya başladığını ve yapılandırılmamış verileri anlama konusundaki yetenekleri kullanmaya başladığını da sözlerine ekledi.
“Hastalarımızın her biri için tıbbi geçmişlerinde, faksları, harfleri, kelime belgelerini, PDF’leri taramalarımız var.”
Ekip, bu yapılandırılmamış bilgileri metne ve “bu bölümlerin her birinde ne hakkında konuştuğunu anlamak için büyük dil modellerine” dönüştürmek için AWS Textract kullanıyor.
De Weger, “Büyük dil modelinden sağladığımız bilgilere dayanarak bu metin hakkındaki soruları cevaplamasını isteyeceğimiz geri alınan bir üretim süreci kullanıyoruz” dedi.
Jackson, doktor olarak platformun bir dönüm noktası olduğunu söyledi.
“Araştırmacılar için yeni bir bakım standardı olarak verileri standart bir şekilde birleştiren modern bir sağlık platformu oluşturuyoruz, böylece hastalığı anlayabilir ve tedaviler bulabilirler çünkü hiçbir şey statik değildir”.
Araçların klinisyenler göz önünde bulundurularak tasarlandığını söyledi. Sağlık çalışanları, “ürünlerimizi nasıl tasarlayacağımız ve dikkatlerini nereye odaklanacağı konusunda rehberlik” sağlayarak teknoloji geliştirmede kilit bir rol oynadılar.
“İki yıl önce başladığımda, birkaç yüz katılımcımız vardı ve 4000 katılımcıya büyümeye çalışıyoruz. Epilepside bağlı bir veri seti boyutu, yüksek çözünürlüklü yeteneğe sahip dünyanın en büyüklerinden biri olurdu.
Hastalar, bakımlarından haberdar olmalarını sağlayan içgörülere erişimden en çok yararlanmaktadır.
Bina ölçeği
Proje için sonraki adımlar arasında pediatrik alana ölçeklendirme ve genişleme ve içgörü oluşturmaya devam etme yer alıyor.
De Weger, projenin verilerde korelasyonlar ve kalıplar bulmaya başladığını söyledi.
“Beyin gibi beyin ve beynin diğer koşullarda nasıl çalıştığı hakkında daha fazla bilgi edinmek için kullanabileceğimiz ve kullanabileceğimiz karmaşık bir organ etrafında veri işleme yolunu oluşturuyoruz.”
Çalışma aynı zamanda çocukları da kapsayacak şekilde genişlemeye çalışıyor.
Bu arada De Weger, planın klinisyenlerin yerini almak değil, teknolojiyi “standartlaştırılmış herkes için kaliteli sonuçlar” elde etmek için kullandığını söyledi.
“Yapay zeka ve teknolojinin sağlık hizmetlerine nasıl yardımcı olabileceğinin geleceği – protokolün başlangıçta bir süre sabitlenmesi, böylece verileri geliştirmek ve standart bir çıktı vermek için sıralı küçük makine öğrenme modelleri ve algoritmalar oluşturabilirsiniz.”