通过机器学习技术提高医疗事务能力和洞察力

科学领域:

• * 数据科学和人工智能在制药领域
• * 机器学习在医疗保健中的应用.

背景情况:

• * 制药公司越来越多地使用机器学习 (ML) 进行研究,药物开发和医疗事务.
• *像聊天机器人这样的AI工具在其他行业已经成熟,但在医疗保健专业人员 (HCP) 参与中,在制药领域未得到充分利用.
• *药剂师可以在开发和实施这些技术方面发挥关键作用.

研究的目的:

• * 开发一种人工智能驱动的工具,以优化来自医疗人员的未经请求的医疗信息 (MI) 的分析.
• * 提高医疗事务的效率,并提供可操作的情报,以提供有针对性的内容.

主要方法:

• *开发了一个Python编码的工具,名为MUFASA (医疗信息数据用于AI语义分析).
• * 使用句子转换器库,集群 (HDBSCAN) 和可视化技术.
• * 应用AI来分析未经请求的MI数据,以获得语义理解和主题发现.

主要成果:

• * MUFASA通过语义搜索,集群分析和可视化来增强医疗事务.
• *通过3D矢量映射和集群,提高处理MI和医学科学联络 (MSL) 病例的效率.
• *促进员工培训,确保响应的一致性,并减轻合规风险.
• * HDBSCAN算法从大型数据集中识别可操作的主题;可视化支持基于证据的决策.

结论:

• * 医疗保健和数据科学的交叉点为制药公司提供了重要的机会.
• *利用机器学习来分析来自医务人员的未经请求的查询,可以优化医疗事务流程.
• *利用大量数据的机器学习技术可以推动创新,提高参与度.