Atropos Health baru-baru ini mengumumkan kemampuan untuk melatih model AI dalam Atropos Evidence Network, yang memiliki lebih dari 300 juta catatan pasien. Perkembangan ini memungkinkan anggota jaringan seperti sistem kesehatan dan organisasi ilmu hayati untuk melatih model AI menggunakan data dunia nyata (RWD) yang dianonimkan. Inisiatif ini dirancang untuk meningkatkan keakuratan alat AI dalam layanan kesehatan dan memastikan bahwa rekomendasi yang diberikan kepada peneliti dan dokter didasarkan pada data berkualitas tinggi, sehingga meningkatkan perawatan pasien.

Atropos Evidence Network melayani berbagai pengguna di bidang medis. Pengembang AI kini memiliki kesempatan untuk menyempurnakan alat mereka menggunakan beragam RWD yang tersedia. Sistem kesehatan dapat menguji model AI mereka sendiri pada jaringan data besar dan mengadopsi model tingkat lanjut sebagai mitra saluran. Organisasi ilmu hayat dapat memanfaatkan basis penyedia jaringan untuk aplikasi pemodelan guna membuat dan mendistribusikan model AI yang dapat mengidentifikasi populasi pasien yang mungkin sebelumnya terabaikan.

Atropos Health mengutamakan keselamatan pasien dan menekankan pentingnya penggunaan AI secara bertanggung jawab. Brigham Hyde, CEO dan salah satu pendiri, menyoroti penerapan teknologi intinya, GENEVA OS™, di berbagai institusi kesehatan dan ilmu hayati. Teknologi ini berfungsi sebagai standar untuk menghasilkan bukti dan wawasan. Teknologi ini mendukung pengembangan model prediktif dan menyederhanakan proses dengan menghilangkan tantangan akuisisi data dan infrastruktur.

Lima perusahaan farmasi dan anggota jaringan teratas, termasuk QuantHealth, memanfaatkan RWD untuk mendukung simulasi uji klinis. CEO QuantHealth Ó Ingbar mencatat kompleksitas dalam mengoptimalkan uji klinis dan mengatakan kemitraan dengan Atropos Health akan memungkinkan simulasi real-time dan penerapan model di titik perawatan. Kolaborasi ini membuka peluang baru bagi mitra farmasi kami. Atropos Health terus mendukung anggotanya dengan alat seperti kartu skor kualitas data, memberikan umpan balik mengenai kualitas data untuk mendorong peningkatan, dan mempertahankan standar tinggi di seluruh jaringan.