Whitepaper: Best Practices für maschinelles Lernen im Gesundheitswesen und in den Biowissenschaften

Für Kunden, die eine GxP-konforme Umgebung auf AWS für Systeme mit künstlicher Intelligenz (KI) und maschinellem Lernen (ML) implementieren möchten, haben wir ein neues Whitepaper veröffentlicht: Best Practices für maschinelles Lernen im Gesundheitswesen und in den Biowissenschaften.

Dieses Whitepaper bietet einen Überblick über Sicherheit und gute ML-Compliance-Praktiken sowie Anleitungen zum Aufbau GxP-regulierter KI/ML-Systeme mithilfe von AWS-Services. Wir behandeln die von der FDA angesprochenen Punkte Diskussionspapier und Gute Praktiken des maschinellen Lernens (GMLP) und greift gleichzeitig auf AWS-Ressourcen zurück: das Whitepaper GxP-Systeme auf AWS und für Linse für maschinelles Lernen aus dem AWS Well-Architected Framework. Das Whitepaper wurde auf der Grundlage unserer Erfahrungen und des Feedbacks von AWS-Kunden für pharmazeutische und medizinische Geräte sowie AWS-Partnern entwickelt, die derzeit AWS-Dienste zur Entwicklung von ML-Modellen nutzen.

Kunden aus den Bereichen Gesundheitswesen und Biowissenschaften (HCLS) übernehmen die KI- und ML-Services von AWS schneller als je zuvor, stehen jedoch bei der Implementierung auch vor den folgenden regulatorischen Herausforderungen:

• Aufbau einer sicheren Infrastruktur, die den strengen Regulierungsprozessen für die Arbeit in der öffentlichen Cloud entspricht und sich an den FDA-Rahmen für KI und ML orientiert.
• Unterstützung von KI/ML-fähigen Lösungen für GxP-Workloads, die Folgendes abdecken:
  • Reproduzierbarkeit
  • Rückverfolgbarkeit
  • Datenintegrität
• Überwachung von ML-Modellen im Hinblick auf verschiedene Änderungen an Parametern und Daten.
• Umgang mit Modellunsicherheit und Vertrauenskalibrierung.

In unserer Whitepapererfahren Sie mehr über folgende Themen:

• Wie AWS in einer regulierten Umgebung an ML herangeht und Anleitungen zu bewährten Methoden des maschinellen Lernens unter Verwendung von AWS-Services bietet.
• Unser organisatorischer Ansatz für Sicherheit und Compliance, der GxP-Anforderungen als Teil des unterstützt Modell der geteilten Verantwortung.
• So reproduzieren Sie die Workflow-Schritte, verfolgen die Modell- und Datensatzherkunft und etablieren Modell-Governance und Rückverfolgbarkeit.
• So überwachen und pflegen Sie Datenintegrität und Qualitätsprüfungen, um Abweichungen in der Daten- und Modellqualität zu erkennen.
• Best Practices für Sicherheit und Compliance für die Verwaltung von KI/ML-Modellen auf AWS.
• Verschiedene AWS-Dienste zur Verwaltung von ML-Modellen in einer regulierten Umgebung.

AWS ist bestrebt, Sie bei der erfolgreichen Nutzung von AWS-Services in regulierten Life-Science-Umgebungen zu unterstützen, um Ihre Forschung, Entwicklung und Bereitstellung der nächsten Generation von Medizin-, Gesundheits- und Wellnesslösungen zu beschleunigen.

Kontakt mit Fragen zur Nutzung von AWS-Services für KI/ML in GxP-Systemen. Weitere Informationen zur Compliance in der Cloud finden Sie unter AWS-Konformität. Sie können sich auch die folgenden Ressourcen ansehen:

• Anwenden des AWS Shared Responsibility-Modells auf Ihre GxP-Lösung
• Automatisierung der GxP-Compliance in der Cloud: Best Practices und Architekturrichtlinien
• Operative Best Practices für KI und ML
• Vorstellung des Well-Architected Framework für maschinelles Lernen
• Linse für maschinelles Lernen

Über die Autoren

Susant Mallick ist Branchenspezialist und Digital-Evangelist in der globalen Gesundheits- und Biowissenschaftspraxis von AWS. Er verfügt über mehr als 20 Jahre Erfahrung in der Life-Science-Branche und hat mit biopharmazeutischen und medizinischen Geräteunternehmen in den Regionen Nordamerika, APAC und EMEA zusammengearbeitet. Er hat viele digitale Gesundheitsplattformen und Patienteneinbindungslösungen mithilfe mobiler Apps, KI/ML, IoT und anderen Technologien für Kunden in verschiedenen Therapiebereichen entwickelt. Er hat einen B.Tech-Abschluss in Elektrotechnik und einen MBA in Finanzen. Seine Vordenkerrolle und Branchenexpertise erhielten in Foren der Pharmaindustrie zahlreiche Auszeichnungen.

Sai Sharanya Nalla ist Senior Data Scientist bei AWS Professional Services. Sie arbeitet mit Kunden zusammen, um KI/ML- und HPC-Lösungen auf AWS zu entwickeln und zu implementieren. In ihrer Freizeit hört sie gerne Podcasts und Hörbücher, unternimmt lange Spaziergänge und beteiligt sich an Outreach-Aktivitäten.

• Coinsmart. Europas beste Bitcoin- und Krypto-Börse.
• Platoblockkette. Web3-Metaverse-Intelligenz. Wissen verstärkt. DEN FREIEN ZUGANG.
• CryptoHawk. Altcoin-Radar. Kostenlose Testphase.
• Quelle: https://aws.amazon.com/blogs/machine-learning/whitepaper-machine-learning-best-practices-in-healthcare-and-life-sciences/