CHARM: IA Prática para Dados de Saúde

Como a IA pode ir além da experimentação e resolver problemas práticos usando dados reais de saúde? Esta sessão apresentará o CHARM (Colaboração para Harmonizar Medidas de Registro Antimicrobiano), uma iniciativa de administração antimicrobiana que transforma dados de saúde em insights acionáveis por meio de painéis interativos e análises. Os participantes verão como o CHARM usa dados de organizações de saúde participantes para examinar padrões de prescrição de antibióticos, identificar oportunidades de melhoria e apoiar esforços de administração antimicrobiana. A sessão então mostrará dois projetos de IA que estão sendo desenvolvidos em torno do ecossistema de dados do CHARM. O primeiro usa modelos de linguagem de grande porte (LLMs) de código aberto hospedados localmente para padronizar dados de prescrição, mantendo dados sensíveis de saúde dentro de um ambiente controlado. O projeto combina processamento de dados estruturados, geração aumentada por recuperação (RAG), ajuste fino, avaliação sistemática e revisão humana para melhorar a precisão enquanto reduz alucinações e esforço manual de limpeza de dados. O segundo projeto, CHARM Outlier, usa aprendizado de máquina para identificar prescrições de antibióticos que diferem dos padrões esperados de prescrição. Os registros sinalizados são apresentados por meio de um aplicativo da web onde pesquisadores e profissionais de saúde podem revisá-los e fornecer feedback. Esse feedback é então usado para melhorar as previsões futuras do modelo, criando uma abordagem com humanos no loop para identificar prescrições potencialmente inadequadas. Juntos, esses projetos demonstram como painéis, LLMs implantados localmente, aprendizado de máquina e expertise humana podem trabalhar juntos para transformar dados complexos de saúde em informações úteis, enquanto abordam preocupações práticas em torno de privacidade, precisão e implementação responsável de IA.