释放患者数据的预测能力
医疗机构并不缺乏有关其患者的数据，这些数据不仅来自电子健康记录 (EHR)，还来自远程患者监控。然而，到目前为止，IT 和临床领导者很难将这些信息转化为实时洞察，从而改善患者护理并降低治疗成本。根据会议的演讲者所说，这种情况可能会改变 .conf24，今年的 Splunk的年度拉斯维加斯会议。 “令人兴奋的是，我们现在处于这样一个时代 人工智能 机器学习对于帮助医疗行业解决挑战和提供更高质量的护理确实有益，”Splunk 全球合作伙伴技术经理 Brett Roberts 表示。 Splunk 提供“出色的”开箱即用功能，使用户无需机器学习专业知识即可获得洞察力， 亚马逊网络服务。 但他说，对于希望构建自己的自定义 ML 模型的医疗保健组织来说，将他们的 Splunk 数据与 AWS 上的其他信息集成起来是有意义的。“这主要是为能够采取行动的人提供数据和见解，”Peaty 说。 发现： 临床工作流程优化可创造更好的患者治疗效果。 医疗机构的必备补充 在现场演示中，Roberts 和 Peaty 将 Splunk 环境中的可穿戴患者设备的模拟数据导入 AWS，并将其与 EHR、客户关系管理平台和其他来源的数据合并。他们将数据整合到 亚马逊 SageMaker Canvas，AWS 用于业务分析的无代码 ML 接口。然后他们使用 AWS Glue，一种无服务器数据集成工具，用于格式化数据。最后，Roberts 和 Peaty 使用托管 SQL 引擎 Amazon Athena 对 183,000 份患者记录进行了查询，寻找可穿戴跟踪器数据与医院再入院率之间的联系。 研究结果令人振奋 — — […]