在医疗保健行业,可重复利用的健康数据分析解决方案能够给个人和社区带来收益。然而,由于医疗系统数量庞大,数据格式多种多样,数据整合工作复杂耗时,拖慢了构建和部署健康分析解决方案的速度。AI和分析领域的全球领导者SAS今日宣布推出SAS®健康(SAS® Health),这是一种创新的、企业级的端到端解决方案,用于数据和分析自动化,可简化健康数据管理,改善数据治理并加速病患需求洞察。
这些分析洞察——从临床人员短缺问题的主动识别,到病症筛查中心的可视化分析——能够支持医疗保健系统评估医患互动质量,并为复杂慢性病患者的治疗带来积极影响。
强大的分析+公共健康数据模型
医疗服务机构和保险公司需要安全地进行数据收集工作,实现数据集中,并对数据进行优化调整,以便为分析做好准备。为了应对这一挑战,SAS健康构建了公共健康数据模型,可将行业内广泛使用的标准内嵌到平台中。只需安全地输入连接相关配置信息,客户就可以运行数据模型,解决医疗服务中最关键的问题。
利用分析和AI平台SAS®Viya®的强大功能,SAS健康可以更快速获得具备可操作性的洞察,并进一步促进行业标准和法规的落地执行。
“在强大的高级分析平台上构建具备一致性的通用数据模型十分重要,这关乎医院系统以及医疗保健服务的未来。”SAS医疗保健和生命科学副总裁Gail Stephens表示:“SAS健康提供了一个很好的机会,通过提高数据和分析框架的效率来改善病患护理和治疗,最终能够使医疗服务机构和保险公司更快地得出更好的分析结果。”
基于FHIR标准的医疗保健数据
SAS健康在SingleStore上的公共健康数据模型将成为一个中枢节点,高效灵活地将各种健康数据与临床、财务和运营信息连接起来,从而降低成本并简化数据访问。作为云原生的解决方案,SAS健康将支持用户以无代码或低代码的方式基于多个行业标准轻松快速地获取数据。快速医疗保健互操作性资源(FHIR标准)将是第一个执行标准。
FHIR行业数据标准正在全球得到越来越广泛的使用,该标准定义了在应如何在计算机系统之间交换医疗保健信息。世界上一些主要的电子健康记录(EHR)公司正迅速采取行动支持FHIR标准。在美国,医疗保险和医疗补助服务中心(CMS)已经强制要求使用FHIR。
数十年来,在银行业、政府、保险、医疗保健、零售业、制造、能源和电信/媒体等领域,SAS专注于提供量身定制的解决方案,帮助行业应对所面临的挑战。在此基础上,今年5月,SAS宣布未来三年将投资10亿美元,进一步开发基于AI的行业解决方案。SAS健康就是其中一项开发成果。
好文章,需要你的鼓励
四川大学研究团队发现,当前先进的AI模型在面对信息不完整的数学问题时,缺乏主动询问澄清信息的能力,更倾向于基于假设给出答案。
中南大学等机构联合发布TextAtlas5M数据集,包含500万图像-文本对,专门解决AI长文本图像生成难题。该数据集平均文本长度148.82词,远超现有数据集,涵盖广告、学术、教育等真实场景。配套的TextAtlasEval基准测试显示,即使最先进的商业模型也面临显著挑战,为AI图像生成技术指明了新的发展方向。
从11岁就梦想造人形机器人的Bernt Bornich,用'huggable'形容他的Neo Gamma机器人——这个能举起150磅的66磅'运动员',正以家庭为试验场突破AI学习瓶颈:'工厂20小时就触及学习天花板,而家庭环境的多样性才是通往AGI的钥匙'。
剑桥大学研究团队创建了史上最难的AI视觉测试ZeroBench,包含100道精心设计的视觉推理题目。在这项测试中,包括GPT-4o、Claude、Gemini在内的20个全球最先进AI模型全部得了0分,暴露了当前AI在基础视觉理解上的严重缺陷。研究发现AI主要在计数、空间推理等基础任务上失败,而非逻辑推理能力不足。