Echte Daten sind für Entwickler von Gesundheitstechnologien von unschätzbarem Wert. Diese Art von Daten spiegeln tatsächliche Patientenerfahrungen, Behandlungen und Ergebnisse in verschiedenen, realen Umgebungen wider – und nicht in kontrollierten klinischen Studienumgebungen, betonte Atropos Health Brigham Hyde.
Dennoch haben viele Entwickler, die neue KI-Modelle für Gesundheitsorganisationen entwickeln, Schwierigkeiten, auf reale Daten zuzugreifen. In einem Artikel vom April wurden mehr als 500 Studien zu großen Sprachmodellen im Gesundheitswesen analysiert und festgestellt, dass nur 5 % davon mit realen Patientendaten durchgeführt wurden.
Um dieses Problem anzugehen, gab Atropos kürzlich bekannt, dass KI-Entwickler ihre Modelle jetzt auf seinem Real-World-Evidence-Netzwerk trainieren können.
Atropos, das 2020 als Stanford-Spinout gegründet wurde, liefert Ärzten am Point-of-Care klinische Daten aus der Praxis. Im Jahr 2023 startete das Startup sein Evidenznetzwerk – ein Verbundnetzwerk für Gesundheitsdaten, das aus mehr als 300 Millionen Patientenakten besteht, die aus EHRs, Schadensdaten und Patientenregistern stammen
Das Netzwerk habe derzeit „Dutzende“ Mitglieder, darunter KI-Entwickler, Praktiker, Forscher, Dateninhaber und Technologieunternehmen, sagte Hyde. Durch den Zugriff auf eine so große Menge realer Patientendaten erhalten die Mitglieder des Netzwerks einen umfassenden und repräsentativen Überblick über den Verlauf von Krankheiten und die Wirkung von Behandlungen in verschiedenen Bevölkerungsgruppen, erklärte er.
Da das Evidence Network nun KI-Modelltraining anbietet, können Entwickler ihre KI-Tools nahtlos in die Infrastruktur des Netzwerks integrieren. Diese neue Funktion basiert auf der GENEVA OS-Plattform von Atropos, die reale Daten in klinische Beweise umwandelt, indem sie Ärzten schnelle, datengesteuerte Antworten auf komplexe medizinische Fragen liefert.
„Mit GENEVA OS können Entwickler Vorhersagemodelle anhand standardisierter, hochwertiger Daten auf Patientenebene trainieren, testen und validieren. Dadurch entfällt der Aufwand für die Datenerfassung und -aufbereitung, was eine schnelle Modellentwicklung ermöglicht und gleichzeitig die neuen KI-Sicherheitsstandards für Transparenz, Verzerrungserkennung und Genauigkeit einhält“, erklärte Hyde.
Insgesamt zielt die Infrastruktur des Datennetzwerks darauf ab, die KI-Entwicklung zu beschleunigen und die KI-Zuverlässigkeit zu erhöhen, mit dem übergeordneten Ziel, Innovationen voranzutreiben, die die Patientenversorgung und die Ergebnisse verbessern, fügte er hinzu.
Hyde wies auf einige Anwendungsfälle für KI-Tools hin, die im Netzwerk trainiert werden könnten – etwa die Simulation klinischer Studien, die Kartierung der Patientenreise, die Schätzung der Pflegekosten und die Ergebnisvorhersage. Entwickler können letztendlich validierte Modelle bei den Vertriebspartnern von Atropos einsetzen, beispielsweise bei Gesundheitssystemen oder Pharmaunternehmen, sagte er.
Der CEO eines Mitglieds des Evidence-Netzwerks – QuantHealth, einem Startup, das KI einsetzt, um Pharmaunternehmen die Entwicklung von Behandlungen schneller und kostengünstiger zu machen – bemerkte, dass die Datenplattform von Atropos seinem Unternehmen eine schnelle Feinabstimmung seines Produkts ermöglicht habe.
„Die Risikominderung und Optimierung klinischer Studien durch robuste Simulationen auf Patientenebene ist keine leichte Aufgabe, weshalb wir unsere KI-Plattform und die zugrunde liegenden Daten-Frameworks weiterentwickelt und ausgereift haben“, sagte Orr Inbar, CEO von QuantHealth, in einer Erklärung. „Auf diese Weise konnten wir sieben der 20 führenden Pharmaunternehmen dabei unterstützen, ihre Studien und klinischen Programme zu simulieren und zu optimieren, um klinische und betriebliche Exzellenz sicherzustellen.“
QuantHealth kann jetzt Echtzeitsimulationen durchführen und seine KI-Modelle am Point-of-Care einsetzen, was seinen Pharmakunden „neue Möglichkeiten und Anwendungsfälle erschließt“, erklärte Inbar.
Foto: Metamorworks, Getty Images
