Valge raamat: masinõppe parimad tavad tervishoius ja bioteadustes

Klientidele, kes soovivad rakendada GxP-ga ühilduvat keskkonda AWS-is tehisintellekti (AI) ja masinõppe (ML) süsteemide jaoks, oleme välja andnud uue juhendi: Masinõppe parimad tavad tervishoius ja bioteadustes.

See valge raamat annab ülevaate turvalisusest ja headest ML-i järgimise tavadest ning juhiseid GxP-ga reguleeritud AI/ML-süsteemide ehitamiseks, kasutades AWS-teenuseid. Me käsitleme FDA tõstatatud punkte aruteludokument ja Head masinõppe tavad (GMLP), kasutades samas ka AWS-i ressursse: valget raamatut GxP süsteemid AWS-is ja Masinõppeobjektiiv AWS-i hästi arhitekteeritud raamistikust. Valge raamat töötati välja meie kogemuste ja AWS-i farmaatsia- ja meditsiiniseadmete klientide ning AWS-i partnerite tagasiside põhjal, kes praegu kasutavad ML-mudelite väljatöötamiseks AWS-i teenuseid.

Tervishoiu- ja bioteaduste (HCLS) kliendid võtavad AWS-i AI- ja ML-teenuseid kasutusele kiiremini kui kunagi varem, kuid nende rakendamisel seisavad nad silmitsi ka järgmiste regulatiivsete väljakutsetega.

• Turvalise infrastruktuuri loomine, mis järgib avaliku pilve kallal töötamise rangeid regulatiivseid protsesse ning FDA raamistikku AI ja ML kohanemiseks.
• AI/ML-toega lahenduste toetamine GxP töökoormuse jaoks, mis hõlmab järgmist:
  • Reprodutseeritavus
  • Jälgitavus
  • Andmete terviklikkus
• ML-mudelite jälgimine parameetrite ja andmete erinevate muudatuste osas.
• Mudeli määramatuse ja usaldusväärsuse kalibreerimise käsitlemine.

Meie lühiülevaade, saate teavet järgmiste teemade kohta:

• Kuidas AWS läheneb ML-ile reguleeritud keskkonnas ja annab juhiseid heade masinõppe tavade kohta AWS-i teenuseid kasutades.
• Meie organisatsiooniline lähenemine turvalisusele ja vastavusele, mis toetab GxP nõudeid osana jagatud vastutuse mudel.
• Kuidas reprodutseerida töövoo etappe, jälgida mudelite ja andmestiku liini ning luua mudeli juhtimine ja jälgitavus.
• Kuidas jälgida ja säilitada andmete terviklikkust ja kvaliteedikontrolle, et tuvastada andmete ja mudeli kvaliteedi kõrvalekaldeid.
• Turvalisuse ja vastavuse parimad tavad AI/ML mudelite haldamiseks AWS-is.
• Erinevad AWS-teenused ML-mudelite haldamiseks reguleeritud keskkonnas.

AWS on pühendunud sellele, et aidata teil edukalt kasutada AWS-i teenuseid reguleeritud bioteaduslikes keskkondades, et kiirendada teie järgmise põlvkonna meditsiini-, tervise- ja heaolulahenduste uurimist, arendust ja tarnimist.

Kontakt küsimustega AWS-i teenuste kasutamise kohta AI/ML jaoks GxP-süsteemides. Lisateavet pilves vastavuse kohta leiate aadressilt AWS-i vastavus. Samuti saate vaadata järgmisi ressursse:

• AWS-i jagatud vastutuse mudeli rakendamine oma GxP-lahendusele
• GxP vastavuse automatiseerimine pilves: parimad tavad ja arhitektuurijuhised
• AI ja ML töötamise parimad tavad
• Tutvustame masinõppe hästi üles ehitatud raamistikku
• Masinõppeobjektiiv

Autoritest

Susant Mallick on tööstuse spetsialist ja digitaalne evangelist AWS-i ülemaailmse tervishoiu ja eluteaduste praktikas. Tal on üle 20-aastane kogemus bioteaduste valdkonnas, töötades biofarmatseutiliste ja meditsiiniseadmete ettevõtetega Põhja-Ameerikas, APAC-is ja EMEA piirkonnas. Ta on loonud palju digitaalse terviseplatvormi ja patsiendi kaasamise lahendusi, kasutades mobiilirakendust, AI/ML-i, asjade interneti ja muid tehnoloogiaid erinevate terapeutiliste valdkondade klientidele. Tal on B.Tech kraad elektrotehnika alal ja MBA rahanduses. Tema mõttejuhtimine ja valdkonnateadmised teenisid farmaatsiatööstuse foorumitel palju tunnustusi.

Sai Sharanya Nalla on AWS Professional Servicesi vanem andmeteadlane. Ta töötab klientidega AI/ML ja HPC lahenduste väljatöötamiseks ja juurutamiseks AWS-is. Vabal ajal meeldib talle kuulata taskuhäälingusaateid ja audioraamatuid, teha pikki jalutuskäike ja tegeleda teavitustegevusega.

• Münditark. Euroopa parim Bitcoini ja krüptobörs.
• Platoblockchain. Web3 metaversiooni intelligentsus. Täiustatud teadmised. TASUTA PÄÄS.
• CryptoHawk. Altcoini radar. Tasuta prooviversioon.
• Allikas: https://aws.amazon.com/blogs/machine-learning/whitepaper-machine-learning-best-practices-in-healthcare-and-life-sciences/