Sök för att lära dig mer om InterSystems produkter och lösningar, karriärmöjligheter med mera. Resultaten inkluderar innehåll från vår utvecklarcommunity, produktdokumentation och utbildningswebbplatser utöver InterSystems.com.
Artificiell intelligens och maskininlärning

Dataplattformar för att driva AI med hälsosamma data

AI abstract image

Det krävs mer än bara mängder av data för att dra nytta av artificiell intelligens. AI:s verkliga löfte möjliggörs av hälsosamma data - data som är tillgängliga, tillförlitliga och rena - för att ge värdefulla insikter. Det är möjligt att få fram tillförlitliga data av hög kvalitet om man har rätt underliggande infrastruktur och datahanteringsplattformar, som InterSystems IRIS-dataplattform och InterSystems IRIS for Health.

InterSystems har utvecklat en komplett dataplattform som snabbar upp och förenklar utvecklingen, distributionen och underhållet av dataintensiva analystillämpningar i realtid i en rad olika branscher. Använd plattformarnas inbyggda funktioner för artificiell intelligens:

  • Sjukhusen får en bättre förståelse för vilka patienter som löper störst risk att drabbas av sepsis eller återinläggning
  • Finansiella tjänsteföretag har en siktlinje till vilka lån som kan komma att bli obetalda
  • Betalare kan föreslå insatser för riskmedlemmar för att förhindra en större hälsorelaterad incident
  • Företag kan förutse väderhändelsers potentiella inverkan på orderhantering och leveranskedjor
  • Globala tillverkare kan identifiera utrustning som kommer att gå sönder så att de kan planera nödvändigt underhåll i förväg.

InterSystems teknik gör det snabbare och enklare för datavetare att samla in, integrera och normalisera de data som krävs för att bygga och anpassa exakta AI-modeller och införliva dem i affärsprocesser i realtid. InterSystems IRIS och IRIS for Health erbjuder en komplett uppsättning inbyggda integrationsfunktioner, inklusive anslutning för ett stort antal paketerade applikationer, databaser, industristandarder, protokoll och tekniker. På så sätt hjälper InterSystems teknik organisationer att utnyttja AI och stora data för att leverera innovativa nya tjänster, skapa nya intäktsströmmar, förbättra kundupplevelser och effektivisera affärsprocesser för att få konkurrensfördelar - och snabbt realisera värde

15,7 biljoner dollar
Enligt PricewaterhouseCoopers LLP kommer AI att bidra till den globala ekonomin fram till år 2030.
46 % rapporterade
I en IDC-studie från 2020 konstateras att datamängden och förtroendet för data är bland de viktigaste faktorerna för att lyckas med AI-användningen.

Richard Viot Coster, verkställande direktör, snext

Stödjande AI-funktioner

InterSystems teknik snabbar upp och förenklar utveckling, driftsättning och underhåll av dataintensiva analysprogram i realtid för att stödja en mängd olika AI-funktioner:

Beslutsstöd Utnyttja peer-reviewed data för att föreslå en diagnos, eller göra det möjligt för läkare att förstå vad data säger om vad deserResurshantering AnvändningBevakningav inventarier mot behov för att säkerställa att medicinsk utrustning är tillgänglig och tilldelas där den behövsmestKohortidentifiering Identifiera bra kandidater för kliniska prövningar och ge insikter baserade på verkliga bevis; eller göra det möjligt för ett försäkringsbolags callcenter att nå ut till patienter proaktivt för att föreslå välbefinnande, vilket också kan minska den långsiktigavårdbördanRiskanalys Identifiera lån som kan vara i riskzonen för betalningsinställelse, innan kunden ens missar enbetalningMarknadstrendanalys Analysera marknadstrender och deras potentiella påverkan p

å transaktionshantering,
inklusive analys av sociala medier för att förutsäga anomalier, till exempel finansiella händelserFörutsägandeunderhåll Maximera drifttiden genom att övervaka til



lverkningsenheter för att förutsäga när de kommer att gå sönder eller ta

Stödja patientvård

technician looking at images

I en IDC-undersökning från 2020 som utvärderade den relativa mognadsgraden av AI-användning hos vårdgivare i Tyskland, USA och Storbritannien konstaterades att de tre främsta användningsområdena var inferens för att förbättra datakvaliteten, bildläsning som hjälp vid diagnoser och tidig identifiering av sjukhusförvärvade infektioner.

Tänk på radiologer som i allt högre grad vänder sig till AI-drivna tekniker för att få ut mesta möjliga av de ökande volymerna med allt högre upplösning från bildskannrar. AI-drivna medicinska bildbehandlingssystem kan producera skanningar och hjälpa radiologer att identifiera mönster och behandla patienter med akuta eller allvarliga tillstånd tidigare.

HBI Solutions är ett annat exempel på AI-teknikens kraft. Vid riskmodelleringen på akutmottagningen används AI för att hjälpa läkarna att förstå om deras patienter behöver stöd för psykisk hälsa. Leverantörerna kan sedan planera sin vård utifrån dessa behov, baserat på insikter som varken är intuitiva eller för närvarande tillgängliga för de flesta läkare på vårdplatsen.

Förbättra biotekniska upptäckter

AI är nyckeln till att analysera de 3 miljarder basparen i det mänskliga genomet för att identifiera de genetiska sekvenser som är ansvariga för sjukdomar och avslöja potentiella behandlingar. Den gör det möjligt för områden som syntetisk biologi att främja forskning för att bekämpa antibiotikaresistens, använda bildbehandling för att diagnostisera hudcancer och hjälpa till att utveckla individualiserade läkemedelsbaserade behandlingar för en mängd olika sjukdomar. Kraftfull teknik som InterSystems IntegratedML öppnar dörrarna till nya upptäckter som kommer att förbättra patienternas upplevelse och resultat samtidigt som vårdkostnaderna minskar.

Övervakning av efterfrågan

snext kommersialiserar SaaS-tillämpningar som bygger på AI och maskininlärning för produktkategorisering, lagerkontroll och övervakning av efterfrågan. Nästa steg i produktplanen är att utveckla AI- och maskininlärningsmodeller från historiska data i systemen och att integrera modellerna i de anslutna processerna.

Richard Viot Coster, verkställande direktör, snext

Identifiera trender och avvikelser

Vissa tillämpningar kräver endast att AI-modellerna körs oberoende av varandra i batchläge. Många andra kräver dock att AI-modeller införlivas i affärsprocesser som utförs i realtid som svar på händelser, transaktioner eller användaråtgärder. Modeller för upptäckt av bedrägerier införlivas till exempel ofta i system för behandling av kreditkortstransaktioner i realtid för att identifiera och avbryta potentiellt bedrägliga transaktioner.

Bedöma och hantera risker

En av InterSystems kunder inom hälso- och sjukvården har skapat 113 000 olika funktioner för att stödja utvecklingen av sina AI-modeller för patientrisker. För att hantera sådana uppgifter med maximal effektivitet lagrar InterSystems IRIS data i databasen som flerdimensionella matriser och använder sig av horisontell skalningsteknik. InterSystems IRIS ger därför hög prestanda med färre hårdvaruresurser för funktionstekniska uppgifter.