Dalam dunia hari ini, penjagaan kesihatan semakin dikuasakan oleh pembelajaran mesin (ML). Daripada meramalkan penyakit kepada meningkatkan diagnostik, ML sedang mengubah hasil penjagaan kesihatan. Walau bagaimanapun, setiap projek ML bermula dengan satu asas: set data berkualiti.
Dalam blog ini, kami telah mengumpulkan set data perubatan percuma dan terbuka merentas kategori seperti penjagaan kesihatan am, pengimejan perubatan, genomik dan hospital. Sama ada anda seorang penyelidik atau pembangun, set data ini akan membantu anda membina model penjagaan kesihatan yang teguh dan inovatif.
Apakah Set Data Penjagaan Kesihatan?
Set data penjagaan kesihatan atau perubatan ialah koleksi maklumat berkaitan kesihatan, seperti rekod pesakit, keputusan makmal, imej perubatan atau sejarah rawatan. Set data penjagaan kesihatan sering disusun ke dalam koleksi data, yang merupakan repositori susun atur yang direka untuk penyelidikan, kesihatan awam dan kegunaan klinikal.
Set data ini digunakan untuk mengkaji penyakit, menambah baik rawatan dan membangunkan alat seperti model AI untuk diagnosis dan penjagaan yang lebih baik. Banyak set data penjagaan kesihatan mengandungi data berkaitan kesihatan yang tidak dikenal pasti, memastikan privasi pesakit dilindungi sambil masih mendayakan penyelidikan dan analisis yang berharga.
Mereka memainkan peranan penting dalam memajukan penyelidikan dan meningkatkan hasil pesakit.
Kepentingan Set Data Penjagaan Kesihatan untuk Melatih Model Pembelajaran Mesin Anda
Set data penjagaan kesihatan ialah koleksi maklumat pesakit, seperti rekod perubatan, diagnosis, rawatan, data genetik dan butiran gaya hidup. Sains data memainkan peranan penting dalam menganalisis set data penjagaan kesihatan ini, membolehkan penyelidik menemui cerapan dan memacu inovasi dalam penjagaan pesakit. Mereka sangat penting dalam dunia hari ini, di mana AI digunakan lebih dan lebih. Inilah sebabnya: Set data penanda aras adalah penting untuk menilai dan membandingkan prestasi model pembelajaran mesin dalam penjagaan kesihatan.
[Baca juga: Mengapa Set Data Penjagaan Kesihatan Penting dalam Membentuk Masa Depan AI Perubatan]
Memahami Kesihatan Pesakit:
Set data Nota Perubatan memberi doktor gambaran penuh tentang kesihatan pesakit. Contohnya, data tentang sejarah perubatan, ubat-ubatan dan gaya hidup pesakit boleh membantu meramalkan jika mereka mungkin mendapat penyakit kronik. Ini membolehkan doktor melangkah lebih awal dan membuat pelan rawatan hanya untuk pesakit itu.
Membantu Penyelidikan Perubatan:
Dengan mengkaji set data penjagaan kesihatan, penyelidik perubatan boleh melihat cara pesakit kanser dirawat dan cara mereka pulih. Mereka boleh mencari rawatan yang paling berkesan di dunia nyata. Sebagai contoh, dengan melihat sampel tumor dalam biobank, penyelidik sering menganalisis ekspresi gen dan menggunakan set data yang berkaitan dengan jenis tumor dan profil gen tertentu untuk memahami perkembangan kanser, serta cara mutasi spesifik dan protein kanser bertindak balas terhadap rawatan yang berbeza. Pendekatan dipacu data ini membantu mencari arah aliran yang membawa kepada hasil pesakit yang lebih baik.
Diagnosis dan Rawatan yang Lebih Baik:
Alat dipacu AI menggunakan set data diagnosis perubatan, yang mungkin termasuk tanda-tanda penting seperti degupan jantung dan tekanan darah, untuk mendedahkan corak yang membantu doktor dalam mendiagnosis dan merawat penyakit dengan lebih berkesan. Dalam radiologi, AI boleh mengenal pasti keabnormalan dalam imbasan dengan cepat dengan ketepatan yang mengagumkan, membolehkan pengesanan penyakit lebih awal. Apabila set data ini terus berkembang, inovasi seperti anotasi imej perubatan sedang memperhalusi lagi proses diagnostik, dan memasukkan demografi pesakit dalam set data ini membantu menyesuaikan alat diagnostik kepada populasi yang pelbagai, yang membawa kepada hasil penjagaan kesihatan yang lebih baik untuk pesakit.
Membantu Inisiatif Kesihatan Awam:
Bayangkan sebuah bandar kecil di mana pakar penjagaan kesihatan menggunakan set data untuk mengesan wabak selesema. Mereka melihat corak dan mendapati kawasan yang terjejas. Dengan data ini, mereka memulakan pemacu vaksinasi yang disasarkan dan kempen pendidikan kesihatan. Pendekatan dipacu data ini membantu membendung selesema. Set data seperti ini juga penting untuk usaha kawalan penyakit dan untuk memantau trend pemakanan kanak-kanak dalam kesihatan awam. Ia menunjukkan cara set data penjagaan kesihatan boleh membimbing dan menambah baik inisiatif kesihatan awam secara aktif, dengan menjejaki pemakanan kanak-kanak menjadi komponen penting bagi banyak set data kesihatan awam.
Sumber Data Klinikal
Data klinikal membentuk tulang belakang set data penjagaan kesihatan moden, menawarkan koleksi maklumat komprehensif yang memacu kemajuan dalam penjagaan pesakit dan penyelidikan perubatan. Data ini diperoleh daripada pelbagai saluran, termasuk rekod kesihatan elektronik (EHR), pengimejan perubatan dan penjujukan genomik. Pertubuhan Kesihatan Sedunia (WHO) mengurus repositori data kesihatan global, menyediakan akses kepada data klinikal daripada sistem kesihatan di seluruh dunia. Kekayaan data kesihatan ini membolehkan penyelidik menjalankan analisis penjagaan kesihatan, mendedahkan cerapan berharga tentang corak penyakit, keberkesanan rawatan dan hasil pesakit.
Set data khusus, seperti Alzheimer's Disease Neuroimaging Initiative (ADNI) dan The Cancer Genome Atlas (TCGA), memperkayakan lagi landskap dengan menawarkan data klinikal terperinci tentang perkembangan penyakit, penanda genetik dan tindak balas terapeutik. Sumber ini memainkan peranan penting dalam membangunkan model pembelajaran mesin yang boleh meramalkan hasil klinikal, memperibadikan rawatan dan akhirnya meningkatkan hasil pesakit sambil mengurangkan kos penjagaan kesihatan. Dengan memanfaatkan koleksi data klinikal yang komprehensif sedemikian, industri penjagaan kesihatan lebih lengkap untuk menangani cabaran kesihatan global dan memacu inovasi dalam penyelidikan perubatan.
[Baca juga: Peranan Set Data Perubatan Multimodal dalam Memajukan Penyelidikan AI]
Terokai 22 Set Data Terbuka dan Percuma untuk Pembelajaran Perubatan dan Sains Hayat
Set data terbuka adalah penting untuk mana-mana model pembelajaran mesin berfungsi dengan baik. Banyak set data terbuka diperoleh daripada pangkalan data penjagaan kesihatan yang besar yang diselenggarakan oleh institut kebangsaan dan organisasi perkhidmatan manusia. Pembelajaran mesin sudah digunakan dalam sains hayat, penjagaan kesihatan dan perubatan, dan ia menunjukkan hasil yang hebat. Ia membantu meramalkan penyakit dan memahami cara ia merebak. Pembelajaran mesin juga memberi idea tentang cara kita boleh menjaga orang sakit, warga emas dan tidak sihat dalam komuniti dengan betul. Tanpa set data yang baik, model pembelajaran mesin ini tidak akan dapat dilaksanakan.
Kesihatan Am dan Awam:
- data.gov: Fokus pada data penjagaan kesihatan berorientasikan AS yang boleh dicari dengan mudah menggunakan berbilang parameter. Set data direka bentuk untuk meningkatkan kesejahteraan individu yang tinggal di AS; walau bagaimanapun, maklumat tersebut juga boleh terbukti bermanfaat untuk set latihan lain dalam penyelidikan atau domain kesihatan awam tambahan.
- WHO: Menawarkan set data yang tertumpu pada keutamaan kesihatan global. Platform ini menggabungkan fungsi carian mesra pengguna dan memberikan pandangan berharga bersama set data untuk pemahaman menyeluruh tentang topik yang ada.
- Re3Data: Menawarkan data yang merangkumi lebih daripada 2,000 subjek penyelidikan yang dikategorikan kepada beberapa bidang yang luas. Walaupun tidak semua set data boleh diakses secara bebas, platform ini menunjukkan struktur dengan jelas dan membolehkan carian mudah berdasarkan faktor seperti yuran, keperluan keahlian dan sekatan hak cipta.
- Pangkalan Data Kematian Manusia menawarkan akses kepada data tentang kadar kematian, angka populasi, dan pelbagai statistik kesihatan dan demografi untuk 35 negara.
- CHDS: Dataset Kajian Kesihatan dan Perkembangan Kanak-kanak bertujuan untuk menyiasat penularan penyakit dan kesihatan antara generasi. Ia merangkumi set data untuk menyelidik bukan sahaja ekspresi genomik tetapi juga pengaruh faktor sosial, alam sekitar dan budaya terhadap penyakit dan kesihatan.
- Cabaran Aktiviti Molekul Merck: Mempersembahkan set data yang direka untuk mempromosikan aplikasi pembelajaran mesin dalam penemuan ubat dengan mensimulasikan potensi interaksi antara pelbagai gabungan molekul.
- Projek genom 1000: Mengandungi data penjujukan daripada 2,500 individu merentas 26 populasi berbeza, menjadikannya salah satu repositori genom boleh diakses terbesar. Kerjasama antarabangsa ini boleh diakses melalui AWS. (Perhatikan bahawa geran tersedia untuk projek genom.)
Set Data Imej Perubatan untuk Sains Hayat, Penjagaan Kesihatan dan Perubatan:
- Buka Neuro: Sebagai platform percuma dan terbuka, OpenNeuro berkongsi pelbagai jenis imej perubatan, termasuk data MRI, MEG, EEG, iEEG, ECoG, ASL dan PET. Dengan 563 set data perubatan yang meliputi 19,187 peserta, ia berfungsi sebagai sumber yang tidak ternilai untuk penyelidik dan profesional penjagaan kesihatan.
- Oasis: Berasal daripada Siri Kajian Pengimejan Akses Terbuka (OASIS), set data ini berusaha untuk menyediakan data pengimejan neuro kepada orang ramai secara percuma untuk manfaat komuniti saintifik. Ia merangkumi 1,098 subjek merentasi 2,168 sesi MR dan 1,608 sesi PET, menawarkan banyak maklumat untuk penyelidik.
- Inisiatif Neuroimaging Penyakit Alzheimer: Inisiatif Neuroimaging Penyakit Alzheimer (ADNI) mempamerkan data yang dikumpul oleh penyelidik di seluruh dunia yang berdedikasi untuk mentakrifkan perkembangan penyakit Alzheimer. Set data termasuk koleksi komprehensif imej MRI dan PET, maklumat genetik, ujian kognitif, dan CSF dan biomarker darah, memudahkan pendekatan pelbagai rupa untuk memahami keadaan kompleks ini.
- MIMIC-III: Pangkalan data komprehensif data pesakit ICU, termasuk laporan pengimejan dan maklumat klinikal, tersedia melalui MIMIC-III. Sumber yang tidak dikenal pasti ini menyokong penyelidikan penjagaan kritikal dan pemodelan ramalan
- CheXpert: Untuk tafsiran sinar-X dada automatik, set data yang luas dengan lebih 224,000 imej X-ray dada dengan label ketidakpastian disediakan oleh CheXpert. Ia memainkan peranan penting dalam penyelidikan radiologi dan pengesanan penyakit.
- HAM10000: Memajukan penyelidikan dermatologi dan ramalan kanser kulit, HAM10000 menawarkan 10,000 imej dermatoskopik untuk mengesan lesi kulit berpigmen.
Set Data Hospital:
- Katalog Data Pembekal: Akses dan muat turun set data pembekal yang komprehensif dalam kawasan termasuk kemudahan dialisis, amalan doktor, perkhidmatan kesihatan di rumah, penjagaan hospis, hospital, pemulihan pesakit dalam, hospital jagaan jangka panjang, rumah jagaan dengan perkhidmatan pemulihan, kos lawatan pejabat doktor dan direktori pembekal.
- Projek Kos dan Penggunaan Penjagaan Kesihatan (HCUP): Pangkalan data seluruh negara yang komprehensif ini dicipta untuk mengenal pasti, menjejak dan menganalisis arah aliran nasional dalam penggunaan, akses, caj, kualiti dan hasil penjagaan kesihatan. Setiap set data perubatan dalam HCUP mengandungi maklumat peringkat pertemuan tentang semua penginapan pesakit, lawatan jabatan kecemasan dan pembedahan ambulatori di hospital AS, menyediakan banyak data untuk penyelidik dan penggubal dasar.
- Pangkalan Data Penjagaan Kritikal MIMIC: Dibangunkan oleh MIT untuk tujuan Fisiologi Pengiraan, dataset perubatan yang tersedia secara terbuka ini terdiri daripada data kesihatan yang tidak dikenal pasti daripada lebih 40,000 pesakit penjagaan kritikal. Dataset MIMIC berfungsi sebagai sumber yang berharga untuk penyelidik yang mengkaji penjagaan kritikal dan membangunkan kaedah pengiraan baharu.
Set Data Kanser:
- Imej Perubatan CT: Direka bentuk untuk memudahkan kaedah alternatif untuk memeriksa trend dalam data imej CT, set data ini menampilkan imbasan CT pesakit kanser, memfokuskan pada faktor seperti kontras, modaliti dan umur pesakit. Penyelidik boleh memanfaatkan data ini untuk membangunkan teknik pengimejan baharu dan menganalisis corak dalam diagnosis dan rawatan kanser.
- Kerjasama Antarabangsa mengenai Pelaporan Kanser (ICCR): Set data perubatan dalam ICCR telah dibangunkan dan disediakan untuk mempromosikan pendekatan berasaskan bukti kepada pelaporan kanser di seluruh dunia. Dengan menyeragamkan pelaporan kanser, ICCR bertujuan untuk meningkatkan kualiti dan kebolehbandingan data kanser merentas institusi dan negara.
- Kejadian Kanser SEER: Disediakan oleh kerajaan AS, data kanser ini dibahagikan menggunakan perbezaan demografi asas seperti bangsa, jantina dan umur. Dataset SEER membolehkan penyelidik menyiasat insiden kanser dan kadar survival merentas subkumpulan populasi yang berbeza, memaklumkan inisiatif kesihatan awam dan keutamaan penyelidikan.
- Set Data Kanser Paru-paru: Set data percuma ini menampilkan maklumat tentang kes kanser paru-paru sejak tahun 1995. Penyelidik boleh menggunakan data ini untuk mengkaji arah aliran jangka panjang dalam kejadian, rawatan dan hasil kanser paru-paru, serta untuk membangunkan alat diagnostik dan prognostik baharu.
Sumber Tambahan untuk Data Penjagaan Kesihatan:
- Kaggle: Repositori Set Data Serbaguna – Kaggle kekal sebagai platform yang cemerlang untuk pelbagai set data, tidak terhad kepada sektor penjagaan kesihatan. Sesuai untuk mereka yang bercabang ke dalam pelbagai subjek atau memerlukan set data yang pelbagai untuk latihan model, Kaggle ialah sumber yang sesuai.
- Subreddit: Harta Karun Didorong Komuniti – Perbincangan subreddit yang betul boleh menjadi lombong emas untuk set data terbuka. Untuk pertanyaan khusus atau khusus yang tidak ditangani oleh set data awam, komuniti Reddit mungkin memegang jawapannya.
Kebaikan dan Keburukan Platform Data Akses Terbuka
Platform data akses terbuka menyediakan sumber yang tidak ternilai untuk penyelidik, memupuk inovasi, kerjasama dan akses kos efektif kepada data penjagaan kesihatan. Walau bagaimanapun, cabaran seperti isu kualiti data, kebimbangan privasi dan halangan teknikal mungkin mengehadkan keberkesanannya. Mengimbangi kebaikan dan keburukan ini adalah penting untuk memaksimumkan potensi mereka dalam memacu kemajuan dalam penyelidikan penjagaan kesihatan.
| Kelebihan | Kekurangan |
|---|---|
| Capaian: Set data yang tersedia secara percuma memudahkan penyelidik dan saintis data mengakses maklumat berharga. | Isu Kualiti Data: Set data akses terbuka mungkin tidak mempunyai penyeragaman atau mengandungi data yang tidak lengkap atau lapuk. |
| Kerjasama: Menggalakkan kerjasama merentas industri dan antara disiplin dalam penyelidikan dan inovasi. | Kebimbangan Privasi: Malah set data tanpa nama mungkin menimbulkan risiko pengecaman semula maklumat sensitif. |
| Inovasi: Memacu pembangunan model dan alatan pembelajaran mesin untuk analitik dan penyelidikan penjagaan kesihatan. | Skop Terhad: Sesetengah set data mungkin tidak mewakili populasi yang pelbagai atau meliputi semua kawasan penjagaan kesihatan yang diperlukan. |
| Kos-Efektif: Mendayakan penjimatan kos dengan menyediakan sumber percuma, menghapuskan keperluan untuk data proprietari yang mahal. | Penggunaan Data Sintetik secara berlebihan: Pergantungan yang tinggi pada data sintetik mungkin membawa kepada ketidaktepatan atau berat sebelah dalam model. |
| Perkongsian Pengetahuan: Menggalakkan ketelusan dan mempercepatkan penyebaran penemuan penyelidikan. | Halangan Teknikal: Mengakses dan menganalisis set data yang besar mungkin memerlukan kemahiran dan sumber teknikal lanjutan. |
Kualiti dan Keselamatan Data dalam Set Data Perubatan
Mengekalkan standard kualiti dan keselamatan data yang tinggi adalah penting apabila bekerja dengan set data perubatan. Memastikan kualiti data melibatkan proses pengesahan dan pembersihan yang rapi untuk menghapuskan ralat dan ketidakkonsistenan, yang penting untuk menghasilkan hasil penyelidikan yang boleh dipercayai. Dari segi keselamatan, langkah teguh seperti penyulitan, kawalan akses dan storan selamat adalah penting untuk melindungi maklumat kesihatan yang sensitif.
Nyahpengenalpastian set data ialah amalan utama, membolehkan penyelidik menggunakan data kesihatan yang tidak dikenal pasti untuk analitik sambil mengekalkan privasi pesakit. Teknik lanjutan seperti pengindeksan semantik bioperubatan meningkatkan lagi kebolehgunaan dan ketepatan set data perubatan, menjadikannya lebih mudah untuk mengatur dan mendapatkan maklumat yang berkaitan. Dengan mengutamakan kualiti dan keselamatan data, institusi penjagaan kesihatan boleh memupuk kepercayaan, menyokong pematuhan, dan membolehkan penggunaan set data perubatan yang selamat dan berkesan untuk penyelidikan dan inovasi.
Percepatkan Projek AI Penjagaan Kesihatan Anda dengan Set Data Perubatan Premium, Sedia Digunakan Shaip
Set Data Perbualan Doktor dan Pesakit
Set data kami mempunyai fail audio perbualan antara doktor dan pesakit mengenai rancangan kesihatan dan rawatan mereka. Fail tersebut meliputi 31 kepakaran perubatan yang berbeza.
Apa yang termasuk?
- 257,977 jam audio imlak doktor sebenar untuk melatih model pertuturan penjagaan kesihatan
- Audio daripada pelbagai peranti seperti telefon, perakam digital, mikrofon pertuturan dan telefon pintar
- Audio dan transkrip dengan maklumat peribadi dialih keluar untuk mematuhi undang-undang privasi
Set Data Imej CT SCAN
Kami menawarkan set data imej imbasan CT terkemuka untuk penyelidikan dan diagnosis perubatan. Kami mempunyai beribu-ribu imej berkualiti tinggi daripada pesakit sebenar, diproses menggunakan teknik terkini. Set data kami membantu doktor dan penyelidik memahami dengan lebih baik pelbagai isu kesihatan, seperti kanser, gangguan otak dan penyakit jantung.
Data menunjukkan bahawa imbasan CT yang paling biasa ialah dada (6000) dan kepala (4350), dengan sejumlah besar imbasan juga dilakukan untuk perut, pelvis dan bahagian badan yang lain. Jadual juga mendedahkan bahawa imbasan khusus tertentu, seperti CT Covid HRCT dan angio pulmonary, dijalankan terutamanya di India, Asia, Eropah dan Lain-lain.
Set Data Rekod Kesihatan Elektronik (EHR).
Rekod Kesihatan Elektronik (EHR) ialah versi digital sejarah perubatan pesakit. Ia termasuk maklumat seperti diagnosis, ubat-ubatan, pelan rawatan, tarikh imunisasi, alahan, imej perubatan (seperti imbasan CT, MRI dan X-ray), ujian makmal dan banyak lagi.
Ciri set data EHR sedia untuk digunakan kami:
- Lebih 5.1 juta rekod dan fail audio doktor merangkumi 31 kepakaran perubatan
- Rekod perubatan tulen sesuai untuk melatih NLP Klinikal dan model AI Dokumen lain
- Metadata termasuk MRN tanpa nama, tarikh kemasukan dan pelepasan, tempoh penginapan, jantina, kelas pesakit, pembayar, kelas kewangan, negeri, pelupusan pelepasan, umur, DRG, perihalan DRG, pembayaran balik, AMLOS, GMLOS, risiko kematian, keterukan penyakit, kerapu, dan poskod hospital
- Rekod yang merangkumi semua kelas pesakit: Pesakit Dalam, Pesakit Luar (Klinis, Pemulihan, Berulang, Penjagaan Harian Pembedahan), dan Kecemasan
- Dokumen dengan maklumat pengenalan peribadi (PII) disunting, mematuhi garis panduan HIPAA Safe Harbor
Set Data Imej MRI
Kami menyampaikan set data imej MRI premium untuk menyokong penyelidikan dan diagnosis perubatan. Koleksi kami yang luas termasuk beribu-ribu imej resolusi tinggi daripada pesakit sebenar, semuanya diproses menggunakan kaedah termaju. Dengan menggunakan set data kami, profesional dan penyelidik penjagaan kesihatan boleh memperdalam pemahaman mereka tentang pelbagai keadaan perubatan, akhirnya membawa kepada hasil pesakit yang dipertingkatkan.
Dataset imej MRI pelbagai bahagian badan, dengan tulang belakang dan otak mempunyai kiraan tertinggi pada 5000 setiap satu. Data diedarkan di seluruh India, Asia Tengah & Eropah, dan rantau Asia Tengah.
Set Data Imej X-Ray
Set data imej X-Ray berkualiti terbaik untuk penyelidikan dan diagnosis perubatan. Kami mempunyai beribu-ribu imej resolusi tinggi daripada pesakit sebenar, diproses menggunakan teknik terkini. Dengan Shaip, anda boleh mengakses data perubatan yang boleh dipercayai untuk meningkatkan hasil penyelidikan dan pesakit anda.
Pengedaran set data sinar-X merentasi pelbagai bahagian badan, dengan dada mempunyai kiraan tertinggi iaitu 1000 di Asia Tengah. Bahagian bawah dan atas mempunyai jumlah kiraan 850 setiap satu, diedarkan antara rantau Asia Tengah dan Asia Tengah & Eropah.
Kesimpulan
Ringkasnya, set data penjagaan kesihatan ialah sumber yang tidak ternilai untuk memacu peningkatan dalam hasil pesakit, mengurangkan kos penjagaan kesihatan dan memajukan penyelidikan perubatan dan penjagaan kesihatan. Dengan memanfaatkan pelbagai sumber data klinikal—termasuk EHR, pengimejan perubatan dan repositori kesihatan global—saintis dan penyelidik data boleh membina model pembelajaran mesin yang berkuasa yang meramalkan perkembangan penyakit dan mengenal pasti pesakit berisiko. Platform data akses terbuka dan projek penggunaan menyediakan peluang selanjutnya untuk menganalisis kos dan penggunaan penjagaan kesihatan, menawarkan pandangan berharga yang memaklumkan dasar dan amalan.
Memastikan kualiti dan keselamatan set data penjagaan kesihatan adalah penting untuk mengekalkan kepercayaan dan mencapai keputusan yang boleh dipercayai. Memandangkan industri penjagaan kesihatan terus menerima inovasi dipacu data, penggunaan set data perubatan yang bertanggungjawab akan menjadi kunci untuk meningkatkan ekuiti kesihatan, mengoptimumkan kos dan penggunaan penjagaan kesihatan serta memberikan hasil yang lebih baik untuk semua. Dengan mengutamakan kebolehcapaian, kualiti data dan keselamatan, kami boleh membuka kunci potensi penuh set data penjagaan kesihatan dan membentuk masa depan yang lebih cerah untuk analitik penjagaan kesihatan dan penyelidikan perubatan.
