Yapay Zeka ve Makine Öğrenimi Projeleri için Elektronik Sağlık Kayıtları (EHR) Veri Kümeleri

Healthcare AI projenizi hızlı bir şekilde başlatmak için kullanıma hazır Elektronik Sağlık Kayıtları (EHR) Veri Kümeleri.

Elektronik sağlık kayıtları (ehr) verileri

Bugün kaçırdığınız veri kaynağını takın

Sağlık Hizmeti Yapay Zekanız İçin Doğru Elektronik Sağlık Kayıtları (EHR) Verilerini Bulun

Sınıfının en iyisi eğitim verileriyle makine öğrenimi modellerinizi geliştirin. Elektronik Sağlık Kayıtları veya EHR, hastanın tıbbi geçmişini, teşhislerini, reçetesini, tedavi planlarını, aşı veya aşı tarihlerini, alerjileri, radyoloji görüntülerini (CT Taraması, MRI, X-Işınları) ve laboratuvar testlerini ve daha fazlasını içeren tıbbi kayıtlardır. Kullanıma hazır veri kataloğumuz, güvenebileceğiniz tıbbi eğitim verilerini almanızı kolaylaştırır.

Kullanıma Hazır Elektronik Sağlık Kayıtları (EHR):

  • 5.1 uzmanlık alanında 31M+ Kayıt ve doktor ses dosyaları
  • Clinical NLP ve diğer Document AI modellerini eğitmek için gerçek dünyada altın standartta tıbbi kayıtlar
  • MRN (Anonimleştirilmiş), Kabul Tarihi, Taburcu Tarihi, Kalış Günlerinin Uzunluğu, Cinsiyet, Hasta Sınıfı, Ödeyen, Mali Sınıf, Eyalet, Taburcu Durumu, Yaş, DRG, DRG Açıklaması, $ Geri Ödeme, AMLOS, GMLOS, Risk ölüm oranı, Hastalığın şiddeti, Orfoz, Hastane Posta Kodu, vb.
  • ABD'nin çeşitli eyaletlerinden ve bölgesinden Tıbbi Kayıtlar - Kuzey Doğu (%46), Güney (%9), Ortabatı (%3), Batı (%28), Diğerleri (%14)
  • Kapsanan tüm Hasta Sınıflarına ait Tıbbi Kayıtlar - Yatarak, Ayakta Hasta (Klinik, Rehabilitasyon, Tekrarlayan, Cerrahi Gündüz Bakımı), Acil.
  • Tüm Hasta Yaş Gruplarına ait Tıbbi Kayıtlar <10 yıl (%7.9), 11-20 yıl (%5.7), 21-30 yıl (%10.9), 31-40 yıl (%11.7), 41-50 yıl (%10.4) ), 51-60 yaş (%13.8), 61-70 yaş (%16.1), 71-80 yaş (%13.3), 81-90 yaş (%7.8), 90+ yaş (%2.4)
  • Hasta Cinsiyet oranı %46 (Erkek) ve %54 (Kadın)
  • HIPAA'ya uygun olarak Güvenli Liman Yönergelerine bağlı PII Düzeltilmiş Belgeler
Lokasyona Göre EHR Verileri
KonumMetin Belgeleri
NorthEast4,473,573
güney1,801,716
Orta Batı781,701
Batısında1,509,109
Ana Tanı Kategorisine Göre EHR Verileri
Ana Tanı Kategorisine Göre EHR VerileriMetin Belgeleri
Alkol/Uyuşturucu Kullanımı ve Alkol/Uyuşturucuya Bağlı Organik Ruhsal Bozukluklar
48,717

Her şey dahil toplam (MDC kategorisi olan ve olmayan durumlar)

8,566,687
Geri ödeme yapılmayan vakalar (MDC belirtilmemiş)
790,697
Ayakta Tedavi Olguları (MDC belirtilmemiş)
1,980,606
3M gibi özel gruplayıcı kullanan durumlar (MDC belirtilmemiştir)
1,619,682
                                                                                  MDC ile toplam
4,175,702
Alkol/Uyuşturucu Kullanımı veya Kaynaklı Ruhsal Bozukluklar48,717
Burns
444
Göz
3,549
Erkek üreme sistemi
9,230
İnsan İmmün Yetmezlik Virüsü Enfeksiyonları
12,422
Miyeloproliferatif Hastalıklar ve Bozukluklar, Kötü Farklılaşmış Neoplazmalar
15,620
Sağlık Durumunu Etkileyen Faktörler ve Sağlık Hizmetleriyle Diğer Temaslar
21,294
Kadın üreme sistemi
17,010
Kulak, Burun, Ağız ve Boğaz
22,987
Çoklu Önemli Travma
27,902
Kan dolaşım sistemi589,730
Kan, Kan Yapıcı Organlar, İmmünolojik Bozukluklar
48,990
Yaralanmalar, Zehirlenmeler ve İlaçların Toksik Etkileri
64,097
Deri, Deri Altı Dokusu ve Meme
89,577
Hepatobiliyer Sistem ve Pankreas
127,172
Endokrin, Beslenme ve Metabolik Hastalıklar ve Bozukluklar
142,808
Perinatal Dönemden Kaynaklanan Koşulları Olan Yeni Doğanlar ve Diğer Yenidoğanlar
163,605
Hamilelik, Doğum ve Lohusalık
165,303
Böbrek ve İdrar Yolu
209,561
Akıl Hastalıkları ve Bozuklukları
282,501
Sinir Sistemi
316,243
Sindirim sistemi
346,369
Kas-İskelet Sistemi ve Bağ Dokusu329,344
Solunum Sistemi561,983
Bulaşıcı ve Parazit Hastalıkları559,244

Metin, ses, video veya resim gibi tüm Veri Lisanslama türleri ile ilgileniyoruz. Veri kümeleri, ML için Tıbbi veri kümelerinden oluşur: Doktor Dikte Veri Kümesi, Doktor Klinik Notları, Tıbbi Konuşma Veri Kümesi, Tıbbi Transkripsiyon Veri Kümesi, Doktor-Hasta Görüşmesi, Tıbbi Metin Verileri, Tıbbi Görüntüler – CT Taraması, MRI, Ultra Ses (toplanan temel özel gereksinimler) .

Shaip bize ulaşın

Aradığınızı bulamıyor musunuz?

Tüm veri türlerinde kullanıma hazır yeni tıbbi veri kümeleri toplanıyor 

Sağlık eğitimi veri toplama endişelerinizi gidermek için şimdi bizimle iletişime geçin

  • Kaydolarak Shaip'e katılıyorum Gizlilik Politikası ve Kullanım Koşulları ve Shaip'ten B2B pazarlama iletişimi almak için onayımı verin.

EHR (Elektronik Sağlık Kaydı) verileri, bir hastanın tıbbi geçmişinin dijital kaydıdır. Tanılar, tedaviler, laboratuvar sonuçları, reçeteler ve görüntüleme verileri gibi ayrıntıları içerir.

EHR verileri, klinik karar desteği, hastalık tahmini, kişiselleştirilmiş tedavi planlaması ve sağlık otomasyonu için yapay zeka modellerini eğitmek amacıyla kullanılır.

Evet, tüm EHR verileri, Kişisel Tanımlayıcı Bilgileri (PII) kaldırmak ve gizlilik düzenlemelerine uymak için kimliksizleştirilir.

EHR verileri, hasta demografisi, tıbbi geçmişi, teşhisleri, tedavi planları, laboratuvar test sonuçları, radyoloji görüntüleri (örneğin BT, MRI, X-ışınları), reçeteler ve aşı kayıtları gibi ayrıntıları içerir.

Evet, veriler güvenli ve etik kullanımı garantilemek için HIPAA, GDPR ve diğer küresel gizlilik standartlarına uygundur.

Evet, veri kümeleri belirli tıbbi uzmanlık alanlarına, bölgelere, hasta demografisine veya proje gereksinimlerine göre özelleştirilebilir.

Evet, veri kümeleri, yapay zeka ve makine öğrenimi iş akışlarına kolay entegrasyon için standart formatlarda (örneğin JSON, CSV) sağlanır.

Veriler, doğruluk, tutarlılık ve güvenilirliği garanti altına almak için titiz doğrulama ve kalite kontrollerinden geçer.

Maliyetler veri hacmi, özelleştirme ve proje kapsamı gibi faktörlere bağlıdır. En iyi teklifi almak için gereksinimlerinizle birlikte "Bizimle İletişime Geçin" formunu doldurmanızı rica ediyoruz.

Teslimat zaman çizelgeleri projenin büyüklüğüne ve karmaşıklığına göre değişir ancak kararlaştırılan son tarihlere uyacak şekilde tasarlanmıştır.

EHR veri kümeleri, yapay zeka sistemlerinin daha iyi teşhis, öngörücü içgörüler ve kişiselleştirilmiş tedavi sunmasını sağlayarak hasta sonuçlarını ve sağlık hizmetlerinin verimliliğini artırır.