適用於醫療保健的 HIPAA 就緒 AI 訓練和資料準備
Ertas 為醫療保健組織提供安全的本地端資料準備管線和視覺化微調平台——讓您無需將受保護的健康資訊暴露給第三方服務即可建構臨床 AI 模型。
The Challenges You Face
PHI 不能離開您的網路
HIPAA、HITECH 和機構審查委員會的要求使得幾乎不可能使用處理受保護健康資訊的雲端 AI 服務。大多數 AI 平台需要將資料上傳到外部伺服器，造成完全阻礙採用的合規障礙。
臨床資料雜亂且非結構化
電子健康記錄、臨床筆記、實驗室報告和影像中繼資料以數十種格式到達，術語不一致、縮寫混亂且欄位缺失。為 AI 訓練準備這些資料需要通用 ETL 工具無法處理的專門清理和標準化。
稽核軌跡不可妥協
監管稽核要求每項資料轉換、存取事件和模型決策都可追溯。大多數 ML 工作流程涉及臨時腳本和 Jupyter 筆記本，不產生任何稽核軌跡，在檢查中造成合規缺口。
領域專業知識在臨床醫師身上，而非工程師
了解臨床工作流程、醫學術語和患者背景的人是臨床醫師——而非 ML 工程師。建構有效的醫療保健 AI 需要讓領域專家直接參與資料標記和模型評估的工具。
How Ertas Solves This
Ertas Data Suite 完全在本地端運行，作為原生桌面應用程式。受保護的健康資訊永遠不會離開您的網路。五模組管線——匯入、清理、標記、增強、匯出——透過確定性、可稽核的轉換處理臨床資料，即使是最嚴格的合規要求也能滿足。
Data Suite 中的每項操作都記錄在僅追加的稽核日誌中，擷取誰做了什麼、何時做的，以及對哪些資料進行操作。此日誌與您 現有的合規文件整合，並可隨時匯出供監管審查。
Ertas Studio 透過為臨床 AI 模型提供視覺化微調來補充本地端資料管線。一旦 Data Suite 準備好並去識別化了訓練資料集，Studio 的雲端訓練基礎設施處理 GPU 密集的工作。產出的模型以 GGUF 檔案形式匯出，在您自己的基礎設施上運行——因此推論和資料準備一樣都留在您的安全邊界內。
Key Features for 醫療保健組織
氣隙式資料處理
Data Suite 無需任何網路連接即可運作。在安全的工作站上安裝它，在本機處理 PHI，並匯出乾淨的資料集，而資料永遠不會接觸到網際網路。非常適合具有嚴格網路隔離政策的環境。
合規就緒的稽核軌跡
每項資料轉換、標記分配和匯出操作都以時間戳、使用者識別碼和前後快照記錄。以與常見醫療保健合規框架相容的格式匯出稽核日誌。
臨床醫師友善的標記介面
標記模組以上下文方式呈現資料，配合為臨床工作流程設計的標註工具。臨床醫師可以標記實體、分類文件和驗證 AI 建議的標記，無需學習開發者工具。
去識別化管線
清理模組中的內建 PII 和 PHI 偵測可識別並遮蔽患者識別碼、日期和位置資訊，在資料匯出供訓練之前——即使是本地端工作流程也增加了一層保護。
Why It Works
- Data Suite 的氣隙架構滿足 HIPAA 安全規則的技術防護要求，無需任何額外的基礎設施修改。
- 僅追加的稽核軌跡提供 HITRUST CSF 認證所需的文件，並支援 OIG 稽核準備。
- 醫療保健組織已使用 Data Suite 從非結構化 EHR 筆記中準備臨床 NLP 訓練資料集，而沒有任何 PHI 離開醫院網路。
- 臨床醫 師在環中的標記已被證明與非臨床標註人員生成的標記相比，將臨床 NLP 模型準確度提高了 15-25%。
- 在醫院自有伺服器上的 GGUF 模型部署確保推論期間使用的患者資料完全處於機構控制之下。
Example Workflow
一家醫院的資訊團隊希望建構一個從非結構化臨床筆記中提取用藥清單的模型。一名資料工程師在醫院網路內的安全工作站上開啟 Ertas Data Suite，透過匯入模組匯入 10,000 份已去識別化的臨床筆記，並運行清理模組標準化格式和去除樣板標頭。
一組臨床醫師使用標記模組在 500 份代表性筆記樣本中標註藥物名稱、劑量和頻率。增強模組透過受控的改述生成額外的訓練範例。匯出模組產出帶有完整稽核中繼資料的版本化 JSONL 資料集。
資訊團隊將已去識別化的訓練集上傳到 Ertas Studio，微調一個 13B 模型，並匯出 GGUF。模型部署在醫院的 GPU 伺服器上，完全在本地端運行，並開始以臨床醫師驗證的準確度從新筆記中提取用藥資料。
Ship AI that runs on your users' devices.
Early bird pricing starts at $14.50/mo — locked in for life. Plans for builders and agencies.