FAQ - Digitale Assistent GGZ: verschil tussen versies

Naar navigatie springen Naar zoeken springen
Regel 151: Regel 151:
Kort samengevat: Voor elke klant een geïsoleerde, strikt gescheiden gegevensverwerking, conform NEN 7512 met meerdere lagen afgeschermd.
Kort samengevat: Voor elke klant een geïsoleerde, strikt gescheiden gegevensverwerking, conform NEN 7512 met meerdere lagen afgeschermd.


===Welke gegevens worden gebruikt om de taalmodellen te trainen?===
===Welke gegevens van de klant worden gebruikt om de taalmodellen te trainen?===
Er zijn 2 taalmodellen:
Er zijn 2 taalmodellen:
# Transcriptie taalmodel.
# Transcriptie taalmodel.
# Samenvatting taalmodel.
# Samenvatting taalmodel.


Het generieke transcriptie taalmodel kent bepaalde woorden niet. Deze woorden worden door ValueCare toegevoegd aan het generieke taalmodel. Dat noem je finetunen. Per klant wordt een aparte instantie van het generieke taalmodel gebruikt. Hiermee worden datastromen van klanten apart gehouden, een voorwaarde uit beveiliging oogpunt. Aan elke instantie wordt een generieke ValueCare finetuning toegevoegd. De input voor de finetuning komt uit transcripties bij de diverse klanten. De volgende elementen uit de transcripties worden gebruikt voor het finetunen van het AI transcriptie taalmodel: namen van instellingen, medicijnen, GGZ specifieke termen, klant specifieke termen. Er worden dus GEEN cliënt- en medewerker namen gebruikt!
'''Transcriptie taalmodel'''


De performance van het generieke samenvatting taalmodel wordt vooral verbeterd met betere prompts. Input voor de verbetering zijn de wijzigingen die gebruikers maken in de verslagen. Er worden geen privacy gevoelige gegevens gebruikt bij deze verbeteringen. Prompts bevatten simpelweg geen privacy gevoelige gegevens.
Er wordt gebruik gemaakt van een generiek transcriptie taalmodel. Het generieke transcriptie taalmodel kent bepaalde woorden niet. Deze woorden worden door ValueCare toegevoegd aan het generieke taalmodel. Dat noem je finetunen. Per klant wordt een aparte instantie van het generieke taalmodel gebruikt. Hiermee worden datastromen van klanten apart gehouden, een voorwaarde uit beveiliging oogpunt. Aan elke instantie wordt een generieke ValueCare finetuning toegevoegd.
 
De input voor de finetuning komt uit transcripties bij de diverse klanten. De volgende elementen uit de transcripties worden gebruikt voor het finetunen van het AI transcriptie taalmodel: namen van instellingen, medicijnen, GGZ specifieke termen, klant specifieke termen. Er worden dus GEEN cliënt- en medewerker namen gebruikt voor finetuning!
 
Er wordt geen geautomatiseerd proces gebruikt om de elementen voor finetuning te identificeren vanuit de klant data. Er wordt geen klant data verzameld, de klant data blijft op de klant server. Via een handmatig proces worden de elementen geïdentificeerd die finetuning behoeven. Klant en ValueCare komen overeen hoe dit handmatige proces er uit ziet. Een klant kan besluiten dat haar data niet gebruikt wordt voor finetunen. Mocht een klant hiertoe wel besluiten, dan identificeren klant en ValueCare samen de woorden die toegevoegd moeten worden.
 
'''Samenvatting taalmodel'''
 
De performance van het generieke samenvatting taalmodel wordt in de regel verbeterd met betere prompts. Input voor de verbetering zijn de wijzigingen die gebruikers maken in de verslagen. Er worden geen privacy gevoelige gegevens gebruikt bij deze verbeteringen. Prompts bevatten simpelweg geen privacy gevoelige gegevens.


== Certificering ==
== Certificering ==