כדי לאמן מודלים אבחוניים חדשים, המהנדסים נזקקו לטרה-בייטים של דאטה קלינית אמיתית. הדאטה הייתה שם, ממש בהישג יד, אבל המחלקה המשפטית נעלה אותה: הקבצים היו מלאים בפרטים מזהים של מטופלים, ואי אפשר היה להשחיר אותם ביד 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.
עבודה ידנית לא באה בחשבון. לעבור על מיליוני סריקות ומסמכים ולהשחיר בהם כל פרט מזהה היה לוקח אלפי שעות ועולה הון, ועדיין לא היה מדביק את קצב המחקר.
הכלים האוטומטיים הפשטניים עשו טעות אחרת: הם השחירו בצורה אגרסיבית מדי, ומחקו בדיוק את המדידות הקליניות וההיסטוריה שבגללן הדאטה בכלל שווה אימון. אז הברירה הייתה: איטי ובטוח, או מהיר וחסר תועלת. הפיתוח פיגר אחרי המתחרים בחודשים.
מנוע שמסיר את הזהות ומגן על האות הקליני, עם אדם שערב לאפס דליפות.
בנינו מנוע הסרת מזהים שמשלב מודלי שפה וראייה ממוחשבת, מאומן לזהות יותר מ-50 סוגים של פרטים מזהים בטקסט רפואי מורכב ובתוך הסריקות עצמן.
המנוע מסיר או מסתיר רק את המזהים הישירים, שמות, תאריכים, כתובות ופנים, ומשאיר את ההקשר הקליני, המדידות והממצאים שלמים לגמרי ושמישים למחקר.
מכיוון שהוא מבין מה הוא קורא, הוא מפסיק להרוס את הדאטה שבגללה הקובץ בכלל שווה אימון, בדיוק בנקודה שבה נכשלו הכלים הקהים שניסו קודם.
שכבת סקירה בודקת את הפלט. קבצים שאושרו בביטחון מלא משוחררים למחקר מיד; כל קובץ שמעורר ספק 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, וקיצר את מחזור הפיתוח של מוצרי AI אבחוניים חדשים 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, ולהוכיח שהזהות באמת נעלמה. בשביל זה צריך מודלים שמבינים מה הם קוראים, ואדם שעומד מאחורי ההבטחה. זה אותו עיקרון כמו בפרויקט 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