关键字: [Rhapsody Autopilot, Data Quality Challenges, Enterprise Master Index, Artificial Intelligence Automation, Healthcare Data Management, Cloud Scalability On AWS]

本文字数: 400, 阅读完需: 2 分钟

导读

在一场活动中, 演讲者凯文· 施密特发表了题为”Rhapsody 通过人工智能解决医疗保健数据质量挑战的方法” 的演讲。他阐述了Rhapsody 如何将人工智能应用于其企业主数据管理(EMPI) 系统, 以解决医疗保健组织所面临的数据质量挑战。具体而言, 他解释说Rhapsody 的EMPI 利用确定性和概率性匹配算法来识别重复记录并跨系统匹配记录, 而其AI 驱动的Autopilot 功能则通过使用机器学习来一致地解决潜在的重复记录, 从而自动化数据管理流程。该演讲着重介绍了Rhapsody 在亚马逊亚马逊云科技上运行的解决方案如何为医疗保健提供商带来数据质量的提高、通过资源效率实现成本节省、减少积压工作以及加快高价值工作的进展, 同时为医疗技术供应商提供更好的数据基础, 促进竞争力和创新。

演讲精华

这是一场关于亚马逊云科技(AWS) 在医疗保健数据质量管理中应用的演讲。演讲者Kevin Schmidt 是Rhapsody 公司的首席架构师。Rhapsody 是一个数字健康赋能平台, 专注于医疗保健集成和身份管理, 通过API 支持的互操作性和身份管理工具, 结合深厚的医疗保健专业知识, 促进创新数字健康解决方案的采用。

Kevin 将阐述Rhapsody 如何将人工智能(AI) 应用于其在亚马逊云科技云上运行的行业领先的企业主数据管理(EMPI) 系统, 来解决医疗保健组织面临的数据质量挑战。该系统能够管理从小型提供商到健康信息交换(HIE) 和大型健康科技组织的数亿条记录。

医疗保健数据的增长速度高于金融、媒体、娱乐和制造业, 预计未来几年将达到36% 的增长率。这是由于电子健康记录(EHR) 的广泛采用、诊断测试的增加、可穿戴设备的普及等数字革命所致, 导致更多数据产生。此外, 政府和公共卫生机构越来越多地进行数据分析和基于数据做出决策, 也加剧了数据增长。

过去, 医疗保健组织只需管理本地或区域人口的少量系统, 相对容易。但随着系统数量增加、人口分布范围扩大, 重复记录的机会也越来越高。不仅可能存在重复记录, 还有来自多个系统的记录需要整合, 获得单一视图。并购和第三方数据源以及新数字健康技术的加入, 都使得实现” 五重目标” 变得更具挑战性, 因为数据质量问题呈指数级增长。

数据质量问题会影响医疗提供者和健康科技供应商的临床、运营和财务结果。随着质量问题增加, 解决或不解决这些问题的成本也会增加。对于医疗提供者, 重复账单会导致客户满意度低、重复测试程序会导致重复账单或索赔支付困难, 更糟的是, 重复记录可能会难以获得患者的完整视图, 从而导致不当治疗。对于健康科技供应商, 数据质量挑战包括将客户纳入应用程序以更快实现收入、为临床最终用户提供数据质量, 以及不得不将时间花在解决数据质量问题上, 而不是专注于交付其核心能力和价值主张。

解决这些挑战的关键是EMPI 系统。EMPI 通过对接收到的数据应用确定性和概率匹配算法, 来解决数据质量问题, 自动识别系统内的重复记录或识别如何在系统之间匹配记录。例如,EMPI 会根据昵称或音标匹配姓名, 标准化地址以匹配各个组成部分, 并使用概率算法匹配电话号码或身份识别号等数值, 考虑了转置和错误输入的情况。这种概率匹配使得即使记录看似不明显代表同一个人, 也能够匹配。EMPI 的结果是识别系统内的重复记录, 但也匹配跨系统的记录, 从而实现患者的单一视图。通过单一视图, 可以避免重复账单, 医疗提供者可以完整了解已执行的测试, 并获得患者病史的综合视图, 从而确保提供适当的护理。对于健康科技供应商, 他们的产品将基于更完整的数据集运行, 为用户带来更大价值。

但是, 由于记录上的数据不足, 有些记录无法自动匹配, 也无法自动确定为唯一记录。这些记录将进入需要数据管理员审查的队列。健康科技供应商通常没有数据管理员来处理这些问题, 而医疗提供者则需要投入越来越多的数据管理员, 但随着数据问题的增加, 这变得非常昂贵。

Rhapsody 采用了一种创新的方法, 通过利用人工智能自动化数据管理, 以更智能的方式解决这些挑战并实现扩展。Autopilot 是Rhapsody EMPI 的一项功能, 它将那些原本需要数据管理员审查的记录, 通过经过训练的机器学习过程来解决, 与数据管理员的处理方式一致。结果是, 与数据管理员每个潜在重复记录花费5 分钟的时间相比,Autopilot 可以自动匹配高达50% 的记录, 从而使数据管理员可以将时间用于更高价值的任务或需要审查的更困难的任务。

在与客户的测试中, 发现近50% 的问题可以自动解决。医疗提供者的自动匹配程度可能不如HIE 那么积极, 但在与这些客户的测试中, 发现大约35% 的问题可以由Autopilot 自动解决。无论哪种情况, 与数据管理员必须审查所有问题所需的时间和精力相比, 这都是一笔可观的节省。这不仅有助于避免与这些问题相关的不必要成本, 而且还能更快地实现EMPI 的好处。

Rhapsody Autopilot 建立在一个机器学习神经网络之上, 使用模仿人脑的模型。它由类似于人脑的互连节点或神经元层组成, 对涉及审查这些问题和做出决策的非线性和复杂关系进行建模。该模型通过使用已审查问题的一小部分进行监督学习训练。完成后, 对生成的模型进行验证。验证完成后,Autopilot 开始实时自动做出决策。模型验证显示, 它98% 的时间都会做出与数据管理员相同的决策。而数据管理员之间的一致性往往只有70% 到90% 。但是通过对Autopilot 的训练, 它能够根据您组织的指导方针进行训练, 并做出与您的数据管理员共识一致的决策。

六年多前, 当Rhapsody 在云上推出EMPI 时, 选择了亚马逊云科技作为合作伙伴, 因为他们知道需要亚马逊云科技的规模、性能和可靠性。他们利用从计算到存储再到网络的各种服务, 能够根据客户的记录量( 高达数亿条) 进行适当扩展。在后端, 他们使用Aurora 作为数据库, 提供卓越的吞吐量和高可用性及故障转移。在某些情况下, 他们还使用Aurora Serverless, 以降低成本来应对不断变化的容量需求。在计算方面, 他们使用EC2 多节点集群来提供高可用性和水平扩展。他们在这些集群前端使用应用程序负载均衡器和网络负载均衡器, 并利用防火墙和其他入侵检测服务。通过在亚马逊云科技上运行Autopilot, 他们能够在不到80 分钟的时间内评估超过200 万个问题, 这相当于节省了约5 万小时的数据管理时间。

与传统的数据管理方式相比,Autopilot 提供了一种替代解决方案。Autopilot 具有更高的智能性, 因为它根据组织的指导方针进行训练, 从而做出与数据管理员相同的决策, 让人对记录匹配的正确性充满信心。Autopilot 做出的决策基于训练而保持一致性, 改善了数据管理员之间的可变性。这些决策全年无休地做出, 因此不会积累需要审查的任务队列, 从而消除了实现EMPI 价值的延迟。

对于提供者而言, 这包括通过改善数据质量实现更高效的运营、通过资源效率节省成本, 以及减少积压工作, 从而加快高价值工作的进展。对于健康科技供应商, 他们将拥有更好的数据基础来实现竞争力和创新。他们能够维护客户满意度, 并高效解决问题, 使工程组织能够专注于创造价值的工作。

由于Rhapsody 在人工智能和Autopilot 方面的创新, 他们能够在行业内部署性能出众的EMPI, 无论是在您的云还是在亚马逊云科技云上运行。如果有兴趣了解更多信息, 请扫描屏幕上的二维码或访问rhapsodyhealth.com 。

总之, 这场演讲详细介绍了Rhapsody 如何利用亚马逊云科技云技术和人工智能, 解决医疗保健组织面临的数据质量挑战, 提高数据管理效率, 为医疗提供者和健康科技供应商带来诸多好处。

总结

在不断扩张的医疗保健数据领域,Rhapsody 作为一个数字健康赋能平台, 正在通过将人工智能应用于其业界领先的企业主数据管理(EMPI) 来解决数据质量挑战。运行于亚马逊云科技之上,Rhapsody 的EMPI 利用确定性和概率性匹配算法, 在系统内外识别重复记录, 从而实现患者数据的单一视图。然而, 某些记录需要数据管理员进行手动审查, 这是一个昂贵且耗时的过程。

Rhapsody 创新的Autopilot 方法通过机器学习实现了数据管理的自动化。经过对一部分已审查问题的训练,Autopilot 的神经网络能够模仿人类的决策过程, 自动解决高达50% 的潜在重复记录。这不仅为数据管理员节省了大量时间和精力, 还能加快EMPI 效益的实现。

借助亚马逊云科技的服务, 如Aurora 、EC2 和负载均衡器,Autopilot 能够在不到80 分钟的时间内评估超过200 万个问题, 相当于节省了数千小时的数据管理时间。通过提供一致、智能和全天候的决策能力,Autopilot 使医疗保健提供商能够更高效地运营、降低成本, 并将重点放在更高价值的工作上, 同时也为医疗技术供应商提供了更好的数据基础, 促进创新和提高客户满意度。

亚马逊云科技（Amazon Web Services ）是全球云计算的开创者和引领者。提供200 多类广泛而深入的云服务，服务全球245 个国家和地区的数百万客户。亚马逊云科技致力于成为企业构建和应用生成式AI 的首选，通过生成式AI 技术栈，提供用于模型训练和推理的基础设施服务、构建生成式AI 应用的大模型等工具、以及开箱即用的生成式AI 应用。深耕本地、链接全球 – 在中国，亚马逊云科技通过安全、稳定、可信赖的云服务，助力中国企业加速数字化转型和创新，并深度参与全球化市场。