Набори даних електронних медичних записів (EHR) для проектів AI & ML
Готові набори даних електронних медичних записів (EHR) для швидкого запуску вашого проекту AI в галузі охорони здоров’я.
Підключіть джерело даних, яке вам не вистачало сьогодні
Знайдіть потрібні дані електронних медичних карт (EHR) для вашого AI в галузі охорони здоров’я
Покращуйте свої моделі машинного навчання за допомогою найкращих у своєму класі навчальних даних. Електронні медичні картки або EHR — це медичні записи, які містять історію хвороби пацієнта, діагнози, рецепти, плани лікування, дати вакцинації чи імунізації, алергії, рентгенологічні зображення (КТ, МРТ, рентген) та лабораторні дослідження тощо. Наш готовий каталог даних спрощує отримання даних про медичне навчання, яким можна довіряти.
Готові електронні медичні картки (EHR):
- 5.1 млн+ записів та аудіофайлів лікаря з 31 спеціальності
- Реальні медичні записи золотого стандарту для навчання Clinical NLP та інших моделей Document AI
- Інформація про метадані, як-от MRN (анонімізована), дата прийому, дата виписки, тривалість днів перебування, стать, клас пацієнта, платник, фінансовий клас, стан, розпорядження про виписку, вік, DRG, опис DRG, компенсація в доларах, AMLOS, GMLOS, ризик смертність, тяжкість захворювання, групер, поштовий індекс лікарні тощо.
- Медичні записи з різних штатів і регіонів США - Північний Схід (46%), Південь (9%), Середній Захід (3%), Захід (28%), Інші (14%)
- Медичні записи, що належать до всіх охоплених категорій пацієнтів – стаціонар, амбулаторний (клінічний, реабілітаційний, повторний, хірургічний денний догляд), невідкладна допомога.
- Медичні картки, які належать до всіх вікових груп пацієнтів <10 років (7.9%), 11-20 років (5.7%), 21-30 років (10.9%), 31-40 років (11.7%), 41-50 років (10.4%) ), 51-60 років (13.8%), 61-70 років (16.1%), 71-80 років (13.3%), 81-90 років (7.8%), 90+ років (2.4%)
- Співвідношення статі пацієнтів 46% (чоловіки) і 54% (жінки)
- Відредаговані документи, що підтверджують ідентифікаційну інформацію, дотримуються Інструкцій із Safe Harbor відповідно до HIPAA
| Місце проведення | Текстові документи |
|---|---|
| північний схід | 4,473,573 |
| Південь | 1,801,716 |
| Середній Захід | 781,701 |
| West | 1,509,109 |
| Категорія основного діагнозу | Текстові документи |
|---|---|
| Вживання алкоголю/наркотики та органічні психічні розлади, спричинені алкоголем/наркотією | 48,717 |
| Усього, включаючи все (Випадки з категорією MDC та без неї) | 8,566,687 |
| Випадки без отримання відшкодування (MDC не вказано) | 790,697 |
| Амбулаторні випадки (MDC не вказано) | 1,980,606 |
| Випадки з використанням спеціального групера, наприклад 3M (MDC не вказано) | 1,619,682 |
| Разом з MDC | 4,175,702 |
| Вживання алкоголю/наркотики або індуковані психічні розлади | 48,717 |
| Бернс | 444 |
| очей | 3,549 |
| Чоловіча репродуктивна система | 9,230 |
| Вірусні інфекції імунодефіциту людини | 12,422 |
| Мієлопроліферативні захворювання та розлади, погано диференційовані новоутворення | 15,620 |
| Фактори, що впливають на стан здоров'я та інші контакти з медичними службами | 21,294 |
| Жіноча репродуктивна система | 17,010 |
| Вухо, ніс, рот і горло | 22,987 |
| Множинні значущі травми | 27,902 |
| Серцево-судинна система | 589,730 |
| Кров, кровотворні органи та імунологічні розлади | 48,990 |
| Травми, отруєння та токсична дія наркотиків | 64,097 |
| Шкіра, підшкірна клітковина та молочні залози | 89,577 |
| Гепатобіліарна система та підшлункова залоза | 127,172 |
| Ендокринні, харчові та метаболічні захворювання та розлади | 142,808 |
| Новонароджені та інші новонароджені із захворюваннями, що виникли в перинатальному періоді | 163,605 |
| Вагітність, пологи та післяпологовий період | 165,303 |
| Нирки та сечовивідні шляхи | 209,561 |
| Психічні захворювання та розлади | 282,501 |
| Нервова система | 316,243 |
| Травна система | 346,369 |
| Кістково-м’язова система та сполучна тканина | 329,344 |
| Дихальна система | 561,983 |
| Інфекційні та паразитарні хвороби | 559,244 |
Ми маємо справу з усіма типами ліцензування даних, тобто текстовими, аудіо, відео чи зображеннями. Набори даних складаються з наборів медичних даних для ML: набір даних про диктант лікаря, клінічні нотатки лікаря, набір даних медичної розмови, набір даних медичної транскрипції, розмова лікаря і пацієнта, медичні текстові дані, медичні зображення – КТ, МРТ, ультразвук (збираються базові користувацькі вимоги) .
Реальне застосування наборів даних EHR у штучному інтелекті/машинному навчанні
- Прогнозування та діагностика захворюваньНавчати моделі штучного інтелекту для прогнозування таких захворювань, як діабет, рак та серцево-судинні захворювання.
- Підтримка клінічних рішеньПокращення процесу прийняття рішень шляхом надання системам штучного інтелекту багатих історій пацієнтів та результатів лабораторних досліджень.
- Персоналізована медицинаВикористовуйте демографічні та діагностичні дані для рекомендації персоналізованих планів лікування.
- Автоматизація охорони здоров’яАвтоматизуйте адміністративні завдання, такі як планування зустрічей або виставлення рахунків, за допомогою інструментів на базі NLP, навчених на базі даних EHR.
Чому варто обрати Shaip для наборів даних EHR?
Експертна робоча сила
Кваліфіковані фахівці забезпечують точну та високоякісну анотацію даних.
Відповідність нормативам
Повністю анонімізовані набори даних відповідно до HIPAA та GDPR.
Настроювані рішення
Адаптовані набори даних на основі демографічних показників, спеціальностей або регіонів.
Конкурентне ціноутворення
Економічно ефективні рішення без шкоди для якості.
Дані без упереджень
Суворі протоколи усувають упередженість, забезпечуючи надійні результати ШІ.
Швидко та точно
Оптимізовані процеси забезпечують швидку доставку різноманітних високоякісних даних.
Наявність і доставка
Високий час роботи мережі та своєчасна доставка даних, послуг і рішень.
Глобальна робоча сила
Маючи пул наземних і офшорних ресурсів, ми можемо створювати та масштабувати команди відповідно до різних випадків використання.
Люди, процес і платформа
Завдяки поєднанню глобальної робочої сили, надійної платформи та операційних процесів, розроблених чорними поясами 6 sigma, Shaip допомагає запускати найскладніші ініціативи ШІ.
Не можете знайти те, що шукаєте?
Нові стандартні набори медичних даних збираються для всіх типів даних
Зв’яжіться з нами зараз, щоб позбутися ваших турбот зі збору даних про навчання з охорони здоров’я
Часті питання (FAQ)
1. Для чого використовуються набори даних електронних медичних карток (ЕМК) у штучному інтелекті?
Набори даних електронних медичних карт використовуються для навчання моделей штучного інтелекту для прогнозування захворювань, прийняття клінічних рішень та персоналізованого лікування.
2. Як дані електронних медичних карток використовуються в проектах штучного інтелекту/машинного навчання?
Дані електронних медичних карт використовуються для навчання моделей штучного інтелекту для підтримки клінічних рішень, прогнозування захворювань, персоналізованого планування лікування та автоматизації охорони здоров'я.
3. Чи анонімізуються дані електронної медичної картки?
Так, усі дані електронних медичних карток анонімізуються для видалення персональної інформації (PII) та дотримання правил конфіденційності.
4. Які ключові компоненти даних електронної медичної картки?
Дані електронної медичної картки містять такі деталі, як демографічні дані пацієнта, історія хвороби, діагнози, плани лікування, результати лабораторних аналізів, радіологічні зображення (наприклад, КТ, МРТ, рентген), рецепти та записи про вакцинацію.
5. Чи відповідають дані HIPAA та іншим нормативним актам?
Так, дані відповідають HIPAA, GDPR та іншим глобальним стандартам конфіденційності, щоб забезпечити безпечне та етичне використання.
6. Чи можна налаштовувати набори даних EHR?
Так, набори даних можна адаптувати до конкретних медичних спеціальностей, регіонів, демографічних показників пацієнтів або вимог проекту.
7. Чи можна інтегрувати дані в мої моделі штучного інтелекту?
Так, набори даних надаються у стандартних форматах (наприклад, JSON, CSV) для легкої інтеграції в робочі процеси штучного інтелекту та машинного навчання.
8. Як забезпечується якість даних?
Дані проходять ретельну перевірку та перевірку якості, щоб забезпечити точність, узгодженість та надійність.
9. Яка вартість наборів даних електронної медичної картки (ЕМК)?
Вартість залежить від таких факторів, як обсяг даних, налаштування та обсяг проекту. Ми просимо вас заповнити форму «Зв’язатися з нами», вказавши ваші вимоги, щоб отримати найкращу цінову пропозицію.
10. Які терміни доставки наборів даних електронних медичних карток?
Терміни виконання залежать від розміру та складності проекту, але розроблені з урахуванням узгоджених термінів.
11. Як набори даних електронних медичних карток можуть покращити рішення штучного інтелекту в охороні здоров'я?
Набори даних електронних медичних карток (ЕМК) дозволяють системам штучного інтелекту забезпечувати кращу діагностику, прогнозування та персоналізоване лікування, покращуючи результати лікування пацієнтів та ефективність охорони здоров'я.
12. Чи можу я отримати персоналізовані набори даних електронної медичної картки (ЕМК)?
Так, Shaip пропонує адаптовані набори даних EHR на основі спеціалізації, вікової групи, географічного розташування або вимог проекту.