یادگیری ماشین به این معنی بیشتر مواد مخدر تبلیغات و امیدوارم نتایج بهتری می گوید: ad-tech شرکت DeepIntent

اگر شما تا کنون تعداد بازدید دکتر شما ممکن است دریابید خودتان دریافت تبلیغات بیشتر برای مواد مخدر در سال های آینده.

تبلیغات توسط داروسازی بزرگ به طور مستقیم به مصرف کنندگان است که یک بخش کوچک از کل تبلیغات آنلاین بازار است اما ممکن است افزایش جدید ابزارهای تبلیغاتی برخی از آنها با استفاده از یادگیری ماشین هستند به کار گرفته شده توسط شرکت های مواد مخدر.

"داروسازی است که حدود 18 درصد از ملی GPD و تنها 3% از تبلیغات دیجیتال است که بسیار شگفت آور" کریستوفر Paquette, مدیر عامل شرکت مستقر در نیویورک DeepIntent Technologies گفته ZDNet در یک مصاحبه تلفنی. DeepIntent تاسیس بیش از چهار سال پیش بخشی از داد و ستد عمومی و تبلیغات شرکت فن آوری سوق دادن رسانه ها.

"وجود دارد 20 میلیارد دلار فرصت برای باز کردن این تبلیغات دیجیتال" گفت: Paquette. با بیشتر و بیشتر بازاریابی حرکت از به اصطلاح خطی تلویزیون به جریان "شرکت های دارویی شروع به نیاز به پیدا کردن راه های جدید برای رسیدن به, بیماران," او گفت:. "ما در این نقطه عطف."

Paquette که قبلا رئیس اطلاعات علوم در Memorial Sloan Kettering Cancer Center در نیویورک است سریع به اشاره است که DeepIntent است "نه یک ad-tech شرکت است."

"ما نمی انجام تبلیغات برای تبلیغات به خاطر گفت:" ZDNet "ما آن را انجام دهید برای دریافت اطلاعات به بیماران به تصمیم گیری آگاهانه تر."

در روز پنج شنبه DeepIntent اعلام کرد در دسترس بودن یک محصول جدید برای بزرگ داروسازی برای بستن آنلاین بازاریابی مواد مخدر شکاف به نام بیمار مدل مخاطبان است. این سرویس برای اولین بار برای همیشه DeepIntent که در آن کمک کرده است تا مشتریان و رسیدن به افراد است. قبلا این شرکت متمرکز بر کمک به شرکت دارو تکرار فروش اتصال به پزشکان است. این محصول شده است در نسخه بتا برای حدود شش ماه و در زمان حدود یک سال به منظور توسعه. برخی از مشتریان در حال حاضر در حال اجرا زنده کمپین های تبلیغاتی با تکنولوژی.

DeepIntent تعداد هفت نفر از ده شرکت های داروسازی به عنوان مشتریان گفت: Paquette. او کاهش یافته است به نام مشتریان.

چه DeepIntent می کند این است که توسعه برنامه های یادگیری ماشین است که مطابقت با داده ها در بيماران مبتلا به داده ها از مصرف کننده شرکت های بازاریابی. ایده این است برای پیدا کردن ارتباط بین دو مجموعه داده است که اجازه DeepIntent مشتریان مستقیم مبارزات انتخاباتی خود را به مردم بیشتر احتمال دارد به نیاز به مواد مخدر است.

مردم نمی تواند شناسایی شود به طور مستقیم برای اهداف بازاریابی دلایل حفظ حریم خصوصی پس DeepIntent را توسعه داده است یک راه برای پی بردن به مشتریان آینده نگر بر اساس چه اطلاعات پزشکی می گوید: در مورد مصرف کننده داده ها.

"ما نمی توانیم هدف نوع دوم بیماران دیابتی به طور مستقیم اما ما می توانیم هدف مردانی که 45 سال از جنوب که به تماشای اواخر شب تلویزیون چون ما می دانیم که آنها بیش از شاخص نوع دوم دیابت" به عنوان یک گروه گفت: Paquette.

چگونه شرکت می کند آن است که یک ترکیب موجود در یادگیری ماشین و تکنولوژی و کد اختصاصی تهیه شده در خانه.

کار اصلی طبقه بندی افراد به منظور هدف قرار دادن آنها را برای بازاریابی انجام شده است با یک خوبی تاسیس شده و منبع یادگیری ماشین ابزار به نام XGBoost. طراحی و توسعه توسط Tianqi چن کارنگی ملون استاد XGBoost های ایجاد شده در چند دهه' ارزش یک روش آماری به نام درخت های تصمیم گیری. یک درخت تصمیم گیری طول می کشد جنبه های یک فرد مانند سن یا موقعیت و مقام آن حضرت به ترتیب اهمیت مانند "مرد," "است که از جنوب به شمال" "ساعت اواخر شب تلویزیون." ارزش آن ویژگی هستند خلاصه به آمده تا با یک نمره کل برای یک فرد است. Thoudands از جمله متغيرهای جمعيت شناختی را می توان وارد شده به نمره که ممکن است فرد مناسبی برای مبارزات انتخاباتی آگهی.

داده های واقعی از بیماران استفاده می شود به منظور توسعه یک درخت تصمیم گیری است که میدارد مطابق با ویژگی های جمعیت مصرف کننده که هویت شناخته شده است. (مردم در مصرف کننده پایگاه داده باید در طول سال به طور داوطلبانه به بازار عرضه می شود به طریق انتخاب روش.)

به عبارت دیگر بهداشت و درمان خصوصی پایگاه داده می گوید یادگیری ماشین برنامه آنچه به دنبال در مجموعه داده تا آنجا که مربوط به بازاریابی ویژگی های.

در نظر بگیرید به عنوان مثال مواد مخدر Vascepa یک درمان برای بیماری های قلبی عروقی ساخته شده و فروخته شده توسط Amarin داروسازی PLC یک کمپین است که به تازگی به اجرا در DeepIntent پلت فرم. با ساختن یک درخت تصمیم گیری بر اساس داده های بیمار و مصرف کننده اطلاعات DeepIntent نسبت مخاطبان از افرادی که به احتمال زیاد تشخیص داده شده اند با بیماری های قلبی عروقی. "کاربرانی که نمره بالا (به معنی آنها در این نمایشگاه همان نوع از عوامل شغلی و شیوه زندگی شباهت به واقعی بیماران قلب و عروقی)" ارسال خواهد شد آگهی گفتن آنها که Vascepa فقط بدست FDA تایید Paquette توضیح داد.

اگر کاربران بعد از آن مبتلا به بیماری های قلبی عروقی Paquette گفت: زمانی که دکتر تجویز Vascepa "آنها در حال حاضر آشنا با مزایای آن و بنابراین احتمال بیشتری برای شروع و پایبند به تجویز درمان."

غیر پزشکی دموگرافيک و اطلاعات به دست آمده از "واقعا به خوبی شناخته شده بازاریابی پایگاه داده" گفت: Paquette ارائه Experian به عنوان مثال. که مصرف کننده داده ها نیاز به مقایسه در برابر خصوصی سلامت سوابق آن نگهداری می شوند توسط شرکت های که روند ادعای پزشکی و داروسازی ادعا می کند. Paquette است نه در آزادی به افشای نام این شرکت ها اما او گفت DeepIntent قادر به کار با این شرکت از طریق یک آرایش با Datavant, یک سان فرانسیسکو شرکت است که ارائه می دهد خدمات به بزرگ داروسازی.

Paquette که آموزش دیده در زمینه مهندسی زیستی توصیف خود را قبل از کار در Memorial Sloan Kettering به عنوان "شکستن سوله" مختلف بیمار سیستم های اطلاعاتی. در یک پیچ و تاب و عجیب و غریب در DeepIntent, Paquette است که در یک حس مرور لازم است مرز بین سیلوهای دولتی و خصوصی.

ادعا می کند پردازنده که Datavant متصل DeepIntent نمی توانید نشان می دهد DeepIntent هر بیمار خاص پرونده به دلیل ایالات متحده بهداشت و درمان بیمه حمل و پاسخگویی به قانون سال 1996 یا HIPAA.

که بدان معنی است که Paquette و تیم تا به حال به راه اندازی یک فایروال امن محیط محاسبات که از طریق آنها ارسال خواهد رابط کاربردی برنامه نویسی تماس برای دسترسی به ترکیب مصرف کننده و سلامت داده ها به طور مستقیم و بدون دسترسی به داده ها.

که ایرلاک یا دروازه اگر شما نگهداری می شود "در یک پیشرو در خدمات ابری ارائه دهنده موفق تنها توسط ارائه دهندگان داده های فیزیکی و منطقی جدایی از DeepIntent طراحی برای رعایت HIPAA," Paquette گفته ZDNet (تاکید Paquette است).

با وجود آن امن دروازه وجود دارد یک مسئله پیچیده در مورد حفظ حریم خصوصی و آماری نظرسنجی. نشان داده شده است در موارد متعدد که مدلهای آماری می تواند نشت هویت کسانی که در نظر سنجی.

در یکی از به طور گسترده ای به عنوان مثال محققان نشان داده اند که چگونه داده ناشناخته خواهد ماند و در سرشماری ایالات متحده را می توان مهندسی معکوس با نرم افزار ابزار برای پی بردن به هویت واقعی از شهروندان ایالات متحده عنوان شده است به خوبی توضیح داده شده توسط دانشگاه کلمبیا مدرسه روزنامه نگاری پروفسور مارک هانسن.

Paquette به خوبی آگاه است از جمله نشت خطر است.

"وجود دارد یک آمار وجود دارد که 87 درصد از آمریکایی ها منحصر به فرد هستند و فقط با نگاه کردن کد پستی و جنسیت و تاریخ تولد" گفت: Paquette.

"هنگامی که شما در حال کار با 1000 s از ویژگی های یک فرد وجود دارد قطعا خطر قابل توجهی برای شناسایی بیماران خاص و [پزشکی] شرایط بر اساس آن اطلاعات دموگرافيک."

که آسیب پذیری "اضافه شده یک پیچ و تاب و" مهندسی گفت: Paquette. برای جلوگیری از پتانسیل نشت اطلاعات شخصی از ناشناس بهداشت و درمان داده DeepIntent خود را توسعه داده است کد سفارشی برای آنچه که به عنوان شناخته شده دیفرانسیل حفظ حریم خصوصی.

دیفرانسیل حریم خصوصی یک کلاس گسترده ای از روش الگوریتمی برای تزریق سر و صدا به داده های آن را سخت تر به مهندسی معکوس داده ها برای به دست آوردن هویت واقعی.

هر دو DeepIntent فایروال روش و رویکرد خود را به دیفرانسیل حریم خصوصی مورد بررسی قرار گرفت توسط یک شرکت به نام میردر تجزیه و تحلیل Ltd. از Roxburghshire انگلستان است که دارای تخصص در همه چیز از جمله ساخت آماری افشای ارزیابی. ارزیابی گزارش فرستاده شد به ZDNetیافت که مجموعه داده استفاده شده توسط DeepIntent "ارائه شده تنها بسیار کوچک' خطر افشای" و "بنابراین می توانید به عنوان جلسه HIPAA د-شناسایی استانداردهای."

پرسیده شده توسط ZDNet اگر DeepIntent خود را باز دیفرانسیل حریم خصوصی کد را به شخص ثالث بررسی گسترده تر Paquette پاسخ داد که DeepIntent "در حال کار بر کنار هم قرار دادن بیمار و ارائه دهنده مراقبت های بهداشتی هیئت مشورتی برای کمک به راهنمای پلت فرم ما سیاست است."

"در حالی که ما اصلا یک زمان برنامه ریزی برای باز کردن دیفرانسیل حریم خصوصی کد را به توسعه دهندگان شخص ثالث آن چیزی است که ما ممکن است در نظر بگیرید برای آینده," او اضافه شده است.

DeepIntent, Paquette معتقد است که "حل گلدیلاک مشکل" رسیدن به حق بیماران است اما آنقدر دقیق است که فن آوری آن را از خطر حفظ واقعی افراد است.

که می شود به این سوال بزرگتر از معمول خوب است. چه جمله بازاریابی ، منافع اقتصادی برای مشتریان شرکت های مواد مخدر می تواند قابل توجه اگر Paquette درست است که این روش بسیار کارآمد است. تحلیل DeepIntent مخاطبان انجام شده توسط خارج از شرکت مانند Crossix راه حل هایی که اندازه گیری اثربخشی رسانه ها. "ما قادر به رسیدن به در-هدف از بیماران که واجد شرایط برای کسب اطلاعات بیشتر در مورد درمان داده شده در 60 درصد کارآمد تر با هزینه کمتر از دیگر رویکردهای رقابتی" گفت: Paquette.

"آنچه که آنها به دنبال جلویی معیارهای" گفت: Paquette با اشاره به شرکت های دارویی. "چگونه بر روی هدف شما هستند ؟ چگونه کارآمد از رسانه ها هزینه نظر شما هستند؟"

"از نظر ما بیش از حد." (اطلاعات بیشتر در دسترس است در یک مطالعه موردی ارسال شده در وب سایت این شرکت است.)

اطلاعات بیشتر در دقیق بازگشت در سرمایه گذاری به عنوان دور به عنوان این که آیا آن منجر به فروش ممکن است از مشتریان خود را پایین جاده گفت: Paquette که ممکن است کمک به DeepIntent بهبود بیشتر آن محصول است.

Cynics ممکن است مسخره در افزایش مواد مخدر بازاریابی است. که Paquette ارائه بلند پروازانه استدلال که DeepIntent می توانید انجام دهید به خوبی توسط بیماران با ساخت آنها را بهتر آگاه است.

"اگر شما فکر می کنم در مورد اصول اساسی که ما تاسیس DeepIntent در آن برای به دست آوردن اطلاعات به بیماران به تصمیم گیری آگاهانه تر که ما North Star," او گفت:.

نقشه راه محصول, او گفت:, شامل توسعه آینده از راه های اندازه گیری که چگونه تبلیغات هستند که منجر به بهتر نتایج بیمار. که می تواند شامل بالا بردن آگاهی در مورد چیزی شبیه به یک COVID-19 شیوع و یا افزایش آگاهی مردم در مورد بیماری های نادر است.

"فقط برای انجام هدف خواهد بود کوته بینانه" گفت: Paquette.

"ما می خواهیم به واقع آن را یک گام بیشتر قادر به می گویند برای اثبات کردن با یک اندازه گیری کمی رویکرد این است که در واقع مقدار تغییر مقدار بهبود نتایج بیمار است که می توان به رسانه ها و نفوذ است که شما تا به حال از طریق پلت فرم ما."