Amazon Web Services, anunció el lanzamiento de Amazon HealthLake, un servicio elegible de HIPAA para organizaciones de ciencias de la salud y la vida, que agrega los datos de una organización en múltiples silos y diferentes formatos en un lago de datos de AWS centralizado y automáticamente normaliza esa información usando aprendizaje automático.
El servicio identifica cada información clínica, marca e indexa eventos en una vista de línea de tiempo con etiquetas estandarizadas para que se puedan buscar y estructurar todos los datos en el formato estándar de la industria Fast Healthcare Interoperability Resources (FHIR) para una vista completa de la salud de pacientes individuales y poblaciones enteras.
Como resultado, Amazon HealthLake facilita a los clientes la consulta, el análisis y el aprendizaje automático para obtener un valor significativo de los datos recientemente estandarizados.
Organizaciones como sistemas de atención médica, compañías farmacéuticas, investigadores clínicos, aseguradoras de salud y más pueden usar Amazon HealthLake para ayudar a identificar tendencias y anomalías en los datos de salud para que puedan hacer predicciones mucho más precisas sobre la progresión y efectividad de la enfermedad. ensayos clínicos, la precisión de las primas de seguros y muchas otras aplicaciones.
A medida que el aprendizaje automático se vuelve más común, las empresas de todos los negocios verticales intentan aplicarlo a sus datos para proporcionar un valor comercial significativo.
Healthcare está aplicando el aprendizaje automático para mejorar las operaciones y la atención al paciente, con clientes como 3M, Anthem, AstraZeneca, Bristol Myers Squibb, Cerner, Fred Hutchinson Cancer Research Center, GE Healthcare, Infor, Pfizer y Philips adoptando la nube y el aprendizaje automático para obtener más valor de su vasta recopilación 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 del paciente y aplicar el análisis y el aprendizaje automático para mejorar la atención y analizar las tendencias de salud de la población y mejorar la eficiencia operativa.
Sin embargo, los datos clínicos son complejos y se sabe que están aislados, incompletos, son incompatibles y se almacenan en sistemas locales distribuidos en varias 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 marcados, indexados y estructurados en orden cronológico para que todos los datos sean comprensibles y puedan Consultar.
