臺北榮總大數據研究團隊引入IBM Cloud Pak for Data的AutoAI解決方案,大幅縮短真實世界數據AI建模的開發(fā)時間

突發(fā)性耳聾屬于耳鼻喉科的急癥之一,其危險與緊急性常常未得到充分重視,醫(yī)學界一直致力于找出完全治愈的關鍵要素。臺北榮總的醫(yī)療團隊使用 IBM Cloud Pak for Data 的機器學習與自動建模功能,分析上千份病歷資料后發(fā)現,患者如果能在突發(fā)性耳聾發(fā)生的7到14天內就醫(yī),盡快接受住院檢查和治療,通過傳統的合并式療法,將有更大的機會完全復原聽力。這項研究在采納 IBM Cloud Pak for Data 解決方案后,以往要耗時半年的 AI 建模、運算、調校,縮短到幾個小時內就可完成一次運算,幾周內就能找出最合適的模型。

臺北榮總信息室朱原嘉博士表示,以往尋找醫(yī)療真實世界證據之前,數據科學家采用群組/隊列研究,以歸納方式調整超參數、建立模型、評估模型的有效性;當模型的準確度不高或不符合醫(yī)生臨床經驗時,又需要花上幾周修改超參數、調整模型,整個過程平均需要三到六個月。IBM Cloud Pak for Data 平臺內建的 AutoAI 功能,不但可以解決目前醫(yī)療產業(yè)欠缺數據科學家的困境,也讓年輕醫(yī)生有了易于使用的 AI 學習環(huán)境。

IBM Cloud Pak for Data 的 AutoAI 功能如何輔助醫(yī)療研究?

朱原嘉指出,在研究數據收集、模型開發(fā)測試、驗證預測模型這三個階段,AutoAI 都扮演著重要角色:幫助研究者辨識重要數據的重要特征、縮短數據清洗與數據精煉的時間,通過低代碼 (Low-Code) 或無代碼 (No-Code) 的 AutoAI 功能,讓 AI 機器學習自行建立并訓練多樣化模型、找出冠軍模型,節(jié)省可行性分析與試錯的時間;并可自動生成 python 程序代碼,幫助研究者持續(xù)優(yōu)化模型與重現研究結果,加速醫(yī)學研究進展。

臺灣 IBM 公司客戶成功副總經理胡育銘表示,IBM Cloud Pak for Data 的使用門坎非常低,即使是不具備寫程序或建模能力的使用者都能輕易上手。

IBM Cloud Pak for Data 具備自動查詢(AutoSQL)、自動分類(AutoCatalog)、自動識別隱私規(guī)則(AutoPrivacy)以及自動建模(AutoAI)等四大功能,可以解決企業(yè)數據互不相通的問題,保持數據隱私與安全,滿足各類數據用戶對于數據分析建模的需求。

分享到

zhupb

相關推薦