2min

Tags in dit artikel

,

Cloudera, een bedrijf dat zich specialiseert in machine learning en analytics, gaat een samenwerking met MetiStream aan. Dat houdt zich vooral bezig met analytics op het gebied van de gezondheidszorg. Samen willen de bedrijven een oplossing voor ziekenhuizen en medische klinieken lanceren die machine learning naar medische dossiers brengt.

Het product van Cloudera en MetiStream draagt de naam Ember. Dat wordt omschreven als een product dat “de tijd die het kost om tot inzichten te komen verkort”. Die moet niet alleen werken met handgeschreven klinische aantekeningen, maar ook op andere medische gegevens steunen. Op die manier zou gezondheidszorg een stuk beter moeten functioneren.

Verzamelen en verwerken data

Ember is gebouwd op basis van de Cloudera Shared Data Experience – een softwareframework dat de Cloudera Enterprise aandrijft. Dat moet allerhande gegevens verzamelen en verwerken, onder meer rond beeldtechnieken en elektronische patiëntendossiers. Op basis daarvan kunnen behandelaars de patiëntspecifieke risico’s identificeren en de kwaliteit van de zorg verbeteren.

Ook kan de dienst klinische datasets met genetische informatie combineren en daarop analyses toepassen. Die moeten medische onderzoeken volgens Cloudera kostenefficiënt verbeteren. Vooral ook de automatische digitalisering van klinische aantekeningen is hierin van belang.

Snel diagnoses stellen

Dit jaar testten Cloudera en MetiStream Ember al in het Rush University Medical Center. Dat is een gezondheidsnetwerk dat bestaat uit vier ziekenhuizen in Chicago, die hun data via Microsoft Azure delen. Toen Ember eenmaal geïnstalleerd was, konden 7,2 miljoen klinische aantekeningen in slechts twee dagen tijd gedigitaliseerd worden.

De twee bedrijven laten in een statement weten dat ze geloven dat machine learning in de toekomst cruciaal zal zijn voor het stellen van diagnoses. De complexe datasets die gekoppeld kunnen worden aan gegevens rond patiënten maken dat mogelijk en kunnen volgens hen zorgen voor snellere en accuratere diagnoses.