Nesta terça-feira, 8, a AWS – Amazon Web Services, Inc. anunciou o Amazon HealthLake, um serviço elegível para HIPAA para organizações de saúde e ciências biológicas, que agrega os dados completos de uma organização em vários silos e formatos distintos em um data lake centralizado da AWS e normaliza automaticamente essas informações usando o aprendizado de máquina.
O serviço identifica cada informação clínica, marca e indexa eventos em uma visualização de linha do tempo com rótulos padronizados para que possam ser facilmente pesquisados ??e estrutura todos os dados no formato padrão da indústria Fast Healthcare Interoperability Resources (FHIR) para uma visão completa da saúde de pacientes individuais e populações inteiras.
Como resultado, o Amazon HealthLake torna mais fácil para os clientes consultar, realizar análises, e execute o aprendizado de máquina para obter um valor significativo dos dados recém-normalizados. Organizações como sistemas de saúde, empresas farmacêuticas, pesquisadores clínicos, seguradoras de saúde e muito mais podem usar o Amazon HealthLake para ajudar a identificar tendências e anomalias nos dados de saúde para que possam fazer previsões muito mais precisas sobre a progressão da doença, a eficácia dos ensaios clínicos, a precisão dos prêmios de seguro e muitas outras aplicações.
À medida que o aprendizado de máquina se torna mais comum, as empresas em todos os negócios verticais estão tentando aplicá-lo a seus dados para fornecer um valor comercial significativo. A área de saúde está aplicando o aprendizado de máquina para melhorar as operações e o atendimento ao paciente, com clientes como 3M, Anthem, AstraZeneca, Bristol Myers Squibb, Cerner, Fred Hutchinson Cancer Research Center, GE Healthcare, Infor, Pfizer e Philips adotando a nuvem e o aprendizado de máquina para obter mais valor de seu vasto acervo de dados.
De histórico familiar e observações clínicas a diagnósticos e medicamentos, as organizações de saúde estão criando grandes volumes de informações do paciente todos os dias com o objetivo de obter uma visão completa da saúde do paciente e aplicar análises e aprendizado de máquina para melhorar o atendimento, analisar tendências de saúde da população e melhorar a eficiência operacional. Contudo, os dados clínicos são complexos e conhecidos por serem isolados, incompletos, incompatíveis e armazenados em sistemas locais espalhados por vários locais. Obter todas essas informações agregadas e no formato FHIR é um início em direção ao objetivo de padronizar dados estruturados, mas a maioria dos dados permanece não estruturada e ainda precisa ser marcada, indexada e estruturada em ordem cronológica para tornar todos os dados compreensíveis e capaz de consultar.
