<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Healthcare Research on בלוג Formize.com</title><link>https://blog.formize.com/he/tags/healthcare-research/</link><description>Recent content in Healthcare Research on בלוג Formize.com</description><generator>Hugo</generator><language>he</language><atom:link href="https://blog.formize.com/he/tags/healthcare-research/index.xml" rel="self" type="application/rss+xml"/><item><title>האצת מעקב נתונים סינתטיים למחקר בריאות עם Formize</title><link>https://blog.formize.com/he/synthetic-data-traceability-for-healthcare-research/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://blog.formize.com/he/synthetic-data-traceability-for-healthcare-research/</guid><description>&lt;h1 id="האצת-מעקב-נתונים-סינתטיים-למחקר-בריאות-עם-formize">האצת מעקב נתונים סינתטיים למחקר בריאות עם Formize&lt;/h1>
&lt;h2 id="מדוע-מעקב-נתונים-סינתטיים-חשוב-בתחום-הבריאות">מדוע מעקב נתונים סינתטיים חשוב בתחום הבריאות&lt;/h2>
&lt;p>פרויקטי AI בתחום הבריאות מסתמכים על מערכי נתונים עצומים שלרוב מכילים מידע בריאותי מוגן (PHI). כדי להגן על פרטיות המטופלים ובמקביל לאפשר אימון מודלים באיכות גבוהה, ארגונים פונים ל&lt;strong>נתונים סינתטיים&lt;/strong> – רשומות שנוצרו באופן מלאכותי ומשקפות את המאפיינים הסטטיסטיים של נתוני מטופלים אמיתיים.&lt;/p>
&lt;p>עם זאת, נתונים סינתטיים מביאים איתם אתגר ציות חדש: &lt;strong>מעקב&lt;/strong>. רגולטורים, ועדות אתיקה ומממנים מחקר דורשים יותר ויותר הוכחה לכך:&lt;/p></description></item></channel></rss>