AI aide la recherche, les scores de confiance et la révision des données –

Précédemment j’ai analysé les plateformes d’examen des données cliniques. Ce blog explique comment l'intelligence artificielle facilite la recherche, les scores de confiance et l'examen des données.

Search

Les gestionnaires et les réviseurs de données se connectent aux plates-formes d'analyse de données cliniques (PRDC) et tranchent les données de leur choix pour les examiner. pour les données manquantes, fausses ou inexactes. S'ils peuvent effectuer une recherche en langage naturel, ils peuvent passer plus de temps à examiner les données plutôt qu'à créer des critères de recherche complexes. Par exemple, les utilisateurs peuvent écrire:

• «Montrez-moi toutes les données démographiques où les sujets sont des hommes, mais la grossesse est oui». ”
• “ Montrez-moi tous les événements indésirables graves rapportés lors de la troisième visite. ”

Scores de confiance

NLP / NLQ (interrogation en langage naturel) convertit ces textes en critères de recherche, qui sont ensuite convertis en une requête SQL. La requête est exécutée et les résultats sont renvoyés à la figure 1 (ci-dessous). Lorsque les algorithmes ML comprennent les données cliniques, ils peuvent exécuter le critère de recherche et fournir les résultats. Il est possible d’utiliser l’extraction d’informations avec traduction de la langue (anglais, par exemple) (Anglais, par exemple).

Il faudrait notamment autoriser les utilisateurs à entrer de l’audio, convertir l’audio en texte, puis utiliser NLQ pour convertir le texte en requêtes correspondantes. Pour les utilisateurs non anglophones, les traducteurs de la langue PNL peuvent être utilisés pour obtenir les mêmes résultats. dans le PRDC, un modèle ML peut analyser les données et appliquer une analyse statistique pour déterminer la probabilité que les données soient propres ou non. De plus, ce modèle peut être utilisé pour détecter des anomalies dans les données. Les données doivent être présentées aux utilisateurs en fonction de la probabilité que les données soient propres ou des points de données qui nécessitent leur attention.

Les réviseurs de données peuvent hiérarchiser leurs activités de révision en fonction des données fournies par les modèles ML. Cela sera précieux pour les utilisateurs et réduira considérablement le temps nécessaire à l'examen des données. Les utilisateurs peuvent définir le seuil pour les points de données qu'ils souhaitent examiner en premier, en fonction de l'analyse statistique effectuée par le modèle ML.

Pour en savoir plus sur l'utilisation de l'intelligence artificielle, y compris l'apprentissage automatique, Pour améliorer le processus de nettoyage et d’examen des données cliniques, vous pouvez télécharger le guide ici ou envoyer le formulaire ci-dessous.