Microsoft Corp. mengumumkan berbagai inovasi dalam Microsoft Cloud for Healthcare yang menjawab segala tantangan mulai dari pengalaman perawatan, meningkatkan kolaborasi tim, memberdayakan pekerja kesehatan, serta membuka wawasan klinis dan operasional.
Melalui model AI kesehatan terbaru di Azure AI Studio, solusi data kesehatan di Microsoft Fabric, layanan agen kesehatan di Copilot Studio, dan solusi alur kerja keperawatan berbasis AI, Microsoft Cloud for Healthcare mendukung organisasi kesehatan dalam setiap langkah mereka menuju masa depan yang lebih sehat.
“Kita berada pada titik perubahan di mana terobosan AI secara fundamental mengubah cara kita bekerja dan hidup,” kata Joe Petro, (Wakil Presiden Microsoft untuk Solusi dan Platform Kesehatan serta Ilmu Hayati) seperti dilansir dari situs Microsoft.
“Di seluruh industri kesehatan dan ilmu hayati, kemajuan ini secara dramatis meningkatkan perawatan pasien dan juga menghidupkan kembali semangat berpraktik dalam dunia kedokteran bagi para klinisi. Solusi AI Microsoft mendorong upaya ini dengan merampingkan alur kerja, meningkatkan integrasi data, dan memanfaatkan AI untuk memberikan hasil yang lebih baik bagi profesional kesehatan, peneliti, ilmuwan, penyedia layanan kesehatan, pengembang teknologi medis, serta pasien yang mereka layani.”
Memperluas Jangkauan AI
Microsoft mengumumkan peluncuran model AI kesehatan, sebuah kumpulan model dasar pencitraan medis multimodal terbaru yang tersedia di katalog model Azure AI. Dikembangkan bekerja sama dengan mitra seperti Providence dan Paige.ai, model AI ini memungkinkan organisasi kesehatan untuk mengintegrasikan dan menganalisis berbagai jenis data mulai dari pencitraan medis hingga genomik dan catatan klinis. Dengan menggunakan model canggih ini sebagai dasar, organisasi kesehatan dapat dengan cepat membangun, menyempurnakan, dan menerapkan solusi AI yang disesuaikan dengan kebutuhan spesifik mereka, sambil meminimalkan persyaratan komputasi dan data yang biasanya diperlukan untuk membangun model multimodal dari awal.
“Pengembangan model AI dasar di bidang patologi dan pencitraan medis diperkirakan akan mendorong kemajuan signifikan dalam penelitian dan diagnosis kanker,” kata Dr. Carlo Bifulco (Kepala Petugas Medis di Providence Genomics dan salah satu penulis studi Prov-GigaPath).
“Model ini dapat melengkapi keahlian manusia dengan memberikan wawasan di luar interpretasi visual tradisional dan, saat kita bergerak menuju pendekatan multimodal yang lebih terintegrasi, akan membentuk masa depan kedokteran," ujarnya.
Memanfaatkan Kekuatan Data Kesehatan dengan Microsoft Fabric
Secara historis, data kesehatan sulit diakses karena sifatnya yang tidak terstruktur dan keterbatasan sistem manajemen data yang ada. Tantangan ini membatasi kemampuan organisasi untuk mendapatkan gambaran menyeluruh tentang pengalaman pasien dan mengakses wawasan berharga.
Dengan ketersediaan umum solusi data kesehatan di Microsoft Fabric, organisasi kesehatan dapat mengatasi hambatan ini dengan merombak cara pengguna mengakses, mengelola, dan bertindak berdasarkan data melalui satu platform terpadu yang didukung AI.
Selain itu, templat aplikasi keamanan kesehatan untuk Microsoft Purview, rangkaian fitur inovatif yang dirancang untuk membantu mengatur data kesehatan, tersedia dalam pratinjau publik. Kami juga meluncurkan kemampuan baru dalam pratinjau publik dalam solusi data kesehatan di Microsoft Fabric, termasuk:
1. Integrasi data percakapan:
Kirim data percakapan, seperti percakapan pasien, dari DAX Copilot ke platform Fabric. Dengan mengirimkan file audio, transkrip, dan catatan klinis sementara dari DAX Copilot ke Fabric, pelanggan dan mitra dapat memanfaatkan berbagai alat bawaan di Azure dan Fabric untuk menganalisis data ini dan/atau menggabungkannya dengan data lain untuk menghasilkan wawasan yang komprehensif.
2. Transformasi dataset publik penentu sosial kesehatan (SDOH):
Layanan SDOH memungkinkan organisasi kesehatan mengidentifikasi risiko dan kebutuhan sosial terkait kesehatan guna menciptakan perawatan kesehatan yang adil bagi semua pasien dan komunitas.
3. Data klaim dan jalur klaim (CCLF) dari Centers for Medicare & Medicaid Services (CMS):
Merampingkan ingestasi data klaim dan harmonisasikan dengan data klinis, pencitraan, dan SDOH untuk membuka wawasan yang dapat ditindaklanjuti mengenai pasien dan populasi.
4. Analitik manajemen perawatan:
Manfaatkan data kesehatan terpadu dan templat analitik manajemen perawatan untuk meningkatkan perawatan pasien dengan mengidentifikasi individu berisiko tinggi, mengoptimalkan rencana perawatan, dan meningkatkan koordinasi perawatan.
Baca Juga: Model AI ini Bantu Temukan Obat Baru Sembuhkan Penyakit Langka