AWS anuncia Amazon HealthLake
AWS anunció Amazon HealthLake, una empresa que tendrá acceso a la Ley de Transferencia y Responsabilidad de Seguro Médico (HIPAA, por sus siglas en inglés), para las empresas en el sector de salud y biociencias. Amazon HealthLake agrupa toda la información de una empresa a través de varios silos y distintos formatos en un data lake y automáticamente normaliza esta información utilizando machine learning. El servicio identifica cada parte de la información clínica, índices e indicadores de eventos en un cronograma visual con etiquetas uniformes para que se pueda buscar con facilidad, y organiza toda la información dentro del formato estándar del Fast Healthcare Interoperability Resources (FHIR) para una visión completa de la salud tanto de pacientes individuales como de poblaciones enteras. Con esto, Amazon HealthLake permite que sus consumidores consulten, realicen análisis y programen machine learning para obtener información valiosa de los nuevos datos.
A medida que el aprendizaje automático se vuelve más común, las empresas de todos los negocios verticales intentan aplicarlo a sus datos para ofrecer un valor comercial significativo. La atención médica está aplicando el aprendizaje automático para mejorar las operaciones y la atención al paciente, con clientes de AWS como 3M, Anthem, AstraZeneca, Bristol Myers Squibb, Cerner, Centro de Investigación del Cáncer Fred Hutchinson, GE Healthcare, Infor, Pfizer y Philips adoptan la nube y el aprendizaje automático para obtener más valor de sus vastos tesoros de datos.
Desde antecedentes familiares y observaciones clínicas hasta diagnósticos y medicamentos, las organizaciones de atención médica están creando grandes volúmenes de información del paciente todos los días con el objetivo de obtener una visión completa de la salud de un paciente y aplicar análisis y aprendizaje automático para mejorar la atención, analizar las tendencias de salud de la población y mejorar la eficiencia operativa. Sin embargo, los datos clínicos son complejos y conocidos por estar aislados, incompletos, incompatibles y almacenados en sistemas locales distribuidos en múltiples ubicaciones.
Obtener toda esta información agregada y en el formato FHIR es un comienzo hacia el objetivo de estandarizar los datos estructurados, pero la mayoría de los datos permanecen sin estructura y aún necesitan ser etiquetados, indexados, y estructurado en orden cronológico para que todos los datos sean comprensibles y puedan consultarse. Algunas organizaciones de atención médica crean herramientas basadas en reglas para automatizar el proceso de transformación de datos no estructurados (p. Ej., Historiales médicos, notas médicas e informes de imágenes médicas) y etiquetar información clínica (p. Ej., Diagnósticos, medicamentos y procedimientos), pero estas soluciones a menudo fallan. porque los datos deben normalizarse en sistemas dispares y porque las herramientas no pueden dar cuenta de todas las posibles variaciones en la ortografía, los errores tipográficos no intencionados y los errores gramaticales. Otras organizaciones utilizan software de reconocimiento óptico de caracteres (OCR) de propósito general para procesar fuentes de datos, pero estas herramientas carecen de la experiencia médica para ser efectivas, por lo que las organizaciones recurren a la entrada manual de datos por parte de profesionales médicos, lo que agrega gastos al proceso de digitalización. Incluso si las organizaciones pueden agregar y estructurar sus datos, aún necesitan crear sus propias aplicaciones de análisis y aprendizaje automático para descubrir relaciones en los datos, descubrir tendencias y hacer predicciones precisas. El costo y la complejidad operativa de hacer todo este trabajo son prohibitivos para la mayoría de las organizaciones; y como resultado, la gran mayoría de organizaciones terminan perdiendo el potencial sin explotar de utilizar sus datos para mejorar la salud de los pacientes y las comunidades. todavía necesitan crear sus propias aplicaciones de análisis y aprendizaje automático para descubrir relaciones en los datos, descubrir tendencias y hacer predicciones precisas. El costo y la complejidad operativa de hacer todo este trabajo son prohibitivos para la mayoría de las organizaciones; y como resultado, la gran mayoría de organizaciones terminan perdiendo el potencial sin explotar de utilizar sus datos para mejorar la salud de los pacientes y las comunidades. todavía necesitan crear sus propias aplicaciones de análisis y aprendizaje automático para descubrir relaciones en los datos, descubrir tendencias y hacer predicciones precisas. El costo y la complejidad operativa de hacer todo este trabajo son prohibitivos para la mayoría de las organizaciones; y como resultado, la gran mayoría de organizaciones terminan perdiendo el potencial sin explotar de utilizar sus datos para mejorar la salud de los pacientes y las comunidades.
«Ha habido una explosión de datos de salud digitalizados en los últimos años con la llegada de los registros médicos electrónicos, pero las organizaciones nos dicen que desbloquear el valor de esta información utilizando tecnología como el aprendizaje automático sigue siendo un desafío y está plagado de barreras», dijo Swami sivasubramanian, Vicepresidente de Amazon Machine Learning para AWS. “Con Amazon HealthLake, las organizaciones de atención médica pueden reducir el tiempo que lleva transformar los datos de salud en la nube de semanas a minutos para que puedan analizarse de forma segura, incluso a escala de petabytes. Esto reinventa por completo lo que es posible con la atención médica y nos acerca mucho más al objetivo de todos de brindar a los pacientes un tratamiento más personalizado y predictivo para las personas y para toda la población».
Al agregar, etiquetar, indexar y estructurar todos sus datos, Amazon HealthLake facilita a los clientes la consulta, el análisis y el uso del aprendizaje automático para dar sentido a sus datos. Los clientes pueden utilizar otros servicios de aprendizaje automático y análisis de AWS con Amazon HealthLake como Amazon QuickSight para paneles interactivos y Amazon SageMaker para crear, capacitar e implementar fácilmente modelos de aprendizaje automático personalizados. Por ejemplo, las organizaciones de atención médica pueden usar plantillas de Jupyter Notebook en Amazon SageMaker para ejecutar análisis de manera rápida y sencilla para tareas comunes como predicciones de diagnóstico, probabilidad de reingreso hospitalario y pronósticos de utilización de la sala de operaciones. Las organizaciones sanitarias y de ciencias biológicas pueden utilizar Amazon HealthLake para obtener una visión completa de la salud de los pacientes y la población, obtener conocimientos mediante análisis y aprendizaje automático.
Cerner Corporation, una empresa global de tecnología de la salud, se centra en el uso de datos para ayudar a resolver problemas a la velocidad de la innovación: la atención médica en evolución para mejorar los resultados clínicos y operativos, ayudar a resolver el agotamiento de los médicos y mejorar la equidad en salud. «En Cerner estamos comprometidos con transformar el futuro de la atención médica a través de la entrega en la nube, el aprendizaje automático y la inteligencia artificial. Trabajando junto con AWS, estamos en condiciones de acelerar la innovación en la atención médica. Eso comienza con los datos. Estamos entusiasmados con el lanzamiento de Amazon HealthLake y su potencial para ingerir rápidamente datos de pacientes de diversas fuentes y transformar los datos para realizar análisis avanzados para desbloquear nuevos conocimientos y servir a muchas de nuestras iniciativas en la salud de la población ”, dijoRyan HamiltonPor favor Salud de la población, Cerner.
Salud Ciox es una empresa de tecnología sanitaria que se dedica a mejorar NOSresultados de salud al transformar los datos clínicos en conocimientos prácticos. “En Ciox, trabajamos para permitir una mejor salud mejorando la forma en que se administra la información de salud”, dijoSasidhar mukamala, Vicepresidente senior de gestión de datos, Salud Ciox. “Gran parte de la información de salud que ingerimos no está estructurada, como notas y archivos PDF escritos a mano, y es un desafío encontrar soluciones que nos permitan comprender el valor analítico completo de esos datos. Con el 60 por ciento de la participación de mercado en ajustes de riesgo, esta es una gran oportunidad. Estamos entusiasmados por comenzar con Amazon HealthLake y su potencial para ayudarnos a satisfacer esta necesidad y ofrecer mejores ajustes de riesgo, predicciones, facturación y mucho más, todo ello informado por datos de salud «.
Konica Minolta Precision Medicine (KMPM) es una empresa de ciencias de la vida dedicada al avance de la medicina de precisión para predecir, detectar, tratar y, en última instancia, curar enfermedades con mayor precisión. «Estamos construyendo una plataforma multimodal en KMPM para manejar una cantidad significativa de datos de salud que incluyen patología, imágenes e información genética. Amazon HealthLake nos permitirá desbloquear el poder real de este enfoque multimodal para encontrar nuevas asociaciones y en nuestros datos. Proporcionará a nuestro equipo de expertos de científicos de datos y desarrolladores la capacidad de integrar, etiquetar y estructurar estos datos más rápidamente, y descubrir los conocimientos que nuestros médicos y socios farmacéuticos necesitan para impulsar verdaderamente la medicina de precisión «, dijoKiyotaka Fujii, Presidente de Asistencia sanitaria global, Konica Minolta.
Orion Health es un proveedor global y galardonado de tecnología de la información de salud, que promueve la salud de la población y las soluciones de medicina de precisión para la prestación de atención en todo el ecosistema de salud. “En Orion Health, creemos que existe un gran potencial sin explotar para transformar el sector de la salud mejorando la forma en que se utiliza la tecnología y brindando información sobre los datos que se generan. Nos complace encontrar una empresa de ideas afines en AWS que, con Amazon HealthLake, ahora está dando el siguiente paso en el uso del aprendizaje automático para ayudar a dar sentido a los datos de salud de una manera segura, de quejas y auditable «, dijo.Anne O’Hanlon, Director de Producto, Orion Health. “Los datos suelen estar desordenados e incompletos, lo que resulta costoso y requiere mucho tiempo de limpieza. Estamos entusiasmados de trabajar junto con AWS para ofrecer nuevas formas para que los pacientes interactúen con el sistema de atención médica, apoyando iniciativas como la Ley de Curas del Siglo XXI diseñada para hacer que la atención médica sea más accesible y asequible, y Digital Front Door, que tiene como objetivo mejorar los resultados de salud al ayudando a los pacientes a recibir la atención perfecta para ellos desde la comodidad de su hogar. Ampliar la relación que disfrutamos con AWS nos brinda la oportunidad de innovar y explorar nuevas formas de brindar atención médica centrada en el paciente y resultados de salud de alta calidad que ayuden a las personas a vivir una vida más saludable «.
