כדי לאמן מודלים אבחוניים חדשים, המהנדסים נזקקו לטרה-בייטים של דאטה קלינית אמיתית. היא ישבה בדיוק שם, והמחלקה המשפטית נעלה אותה: הקבצים היו מלאים בזהויות של מטופלים, והשחרה שלהם ביד לעולם לא הייתה קורית בקנה מידה כזה. מוצרים חדשים נתקעו לחודשים.
צוותי המחקר שלהם נזקקו לחומר קליני גולמי, תמונות רפואיות, סריקות וטקסט חופשי, כדי לבנות את הדור הבא של אלגוריתמים אבחוניים. החברה הייתה הבעלים של כל זה. היא פשוט לא יכלה להשתמש בו באופן חוקי, כי כל קובץ הכיל שמות, מזהים ופרטי מטופלים חסויים המוגנים ב-HIPAA.
לעשות את זה ביד לא הייתה אופציה. סקירה של מיליוני סריקות ומסמכים כדי להשחיר פרטים מזהים הייתה לוקחת אלפי שעות ועולה הון, ועדיין לא הייתה מדביקה את קצב המחקר.
הכלים האוטומטיים הנאיביים עשו טעות אחרת: הם השחירו בצורה אגרסיבית מדי, ומחקו בדיוק את המדידות הקליניות וההיסטוריה שבגללן הדאטה בכלל שווה אימון. אז הברירה שעל השולחן הייתה: איטי ובטוח, או מהיר וחסר תועלת. הפיתוח פיגר בחודשים אחרי המתחרים.
מנוע שמסיר את הזהות ומגן על האות הקליני, עם אדם שערב לאפס דליפות.
בנינו מנוע דה-אידנטיפיקציה שמשלב מודלי שפה וראייה ממוחשבת, מאומן לזהות יותר מ-50 סוגים של פרטים מזהים בתוך טקסט רפואי מורכב ובתוך הסריקות עצמן.
המנוע מסיר או מסתיר רק את המזהים הישירים, שמות, תאריכים, כתובות ופנים, בזמן שהוא משאיר את ההקשר הקליני, המדידות והממצאים שלמים לגמרי ושמישים למחקר.
מכיוון שהוא מבין מה הוא קורא, הוא מפסיק להרוס בדיוק את הדאטה שבגללה הקובץ בכלל שווה אימון, בדיוק במקום שבו הכלים הקהים שניסו קודם נכשלו.
שכבת סקירה בודקת את הפלט. קבצים שאושרו בביטחון מלא משוחררים למחקר מיד; כל דבר לא ודאי עובר למומחה לבדיקה מהירה, כך שההבטחה היא אפס חשיפה, לא כמעט אפס.
הפייפליין רץ על טרה-בייטים של תמונות ומסמכים, והופך ארכיון נעול למערך נתונים עובד, לא לדגימה קטנה שנאספה ביד.
הגנת הפרטיות בנויה לתוך התהליך, עם תיעוד ביקורת מלא שמוכיח עמידה בתקנים הקפדניים ביותר של בריאות ופרטיות.
הדאטה נעשתה בטוחה, והמחקר נעשה מהיר.
שחרור טרה-בייטים של דאטה קלינית שהייתה נעולה קודם נתן למודלים את החומר שהם היו רעבים לו, וקיצץ את מחזור הפיתוח של מוצרים אבחוניים חדשים ב-AI בכ-60%, כך שהחברה הגיעה לשוק מהר יותר והוציאה הרבה פחות על הכנת דאטה.
העבודה עמדה בתקנים הרגולטוריים הקפדניים ביותר במלואם, HIPAA ו-GDPR, בלי אירוע אחד של חשיפה או דליפה של דאטת מטופלים. הדאטה שהייתה סיכון משפטי הפכה לנכס האימון המרכזי של החברה.
כל אחד יכול להשחיר קובץ עד שלא נשאר בו שום ערך. החלק הקשה הוא להסיר את הזהות תוך שמירה על האות הקליני, ולהיות מסוגלים להוכיח שהזהות באמת נעלמה. זה דורש מודלים שמבינים מה הם קוראים ואדם שעומד מאחורי ההבטחה. זה אותו עיקרון כמו עבודת מוכנות הדאטה שלנו: הערך הוא בהפיכת דאטה לשמישה, בבטחה, ולא רק בהזזה שלה ממקום למקום.
החיפוש של פלטפורמת הזמנות קבר את ההתאמות הטובות ביותר וה-AI שלה המציא מתקנים שמעולם לא היו שם. דאטה מאומתת אנושית, כיוונון רלוונטיות וסוכני בדיקת עובדות העלו את רלוונטיות התוצאה העליונה ב-35% וקיצצו דיווחי מידע מומצא ב-80%.
לפרויקט המלא ← מוכנות דאטה · ביטוחה-AI של קבוצת ביטוח ישראלית מובילה הזה שוב ושוב. איתרנו את זה לאי-התאמה של כ-30% בדאטה, בנינו מחדש את הצינור, ושמנו רצפת ביטחון קשיחה של 85% תחת כל תשובה.
לפרויקט המלא ←
Reef TRH