Livre blanc : Meilleures pratiques d'apprentissage automatique dans les soins de santé et les sciences de la vie

Pour les clients qui cherchent à mettre en œuvre un environnement conforme GxP sur AWS pour les systèmes d'intelligence artificielle (IA) et d'apprentissage automatique (ML), nous avons publié un nouveau livre blanc : Meilleures pratiques d'apprentissage automatique dans les soins de santé et les sciences de la vie.

Ce livre blanc fournit un aperçu de la sécurité et des bonnes pratiques de conformité ML, ainsi que des conseils sur la création de systèmes d'IA/ML réglementés par GxP à l'aide des services AWS. Nous couvrons les points soulevés par la FDA document de travail et les Bonnes pratiques d'apprentissage automatique (GMLP) tout en puisant dans les ressources d'AWS : le livre blanc Systèmes GxP sur AWS et les terres parsemées de Lentille d'apprentissage automatique du cadre AWS Well-Architected. Le livre blanc a été développé sur la base de notre expérience et des commentaires des clients des dispositifs pharmaceutiques et médicaux AWS, ainsi que des partenaires AWS, qui utilisent actuellement les services AWS pour développer des modèles ML.

Les clients du secteur de la santé et des sciences de la vie (HCLS) adoptent les services d'IA et de ML d'AWS plus rapidement que jamais, mais ils sont également confrontés aux défis réglementaires suivants lors de la mise en œuvre :

• Construire une infrastructure sécurisée conforme aux processus réglementaires stricts pour travailler sur le cloud public et s'aligner sur le cadre de la FDA pour l'IA et le ML.
• Prise en charge des solutions compatibles AI/ML pour les charges de travail GxP couvrant les éléments suivants :
  • Reproductibilité
  • Traçabilité
  • Intégrité des données
• Surveillance des modèles ML en ce qui concerne divers changements apportés aux paramètres et aux données.
• Gestion de l'incertitude du modèle et de l'étalonnage de la confiance.

Dans notre whitepaper, vous découvrez les sujets suivants :

• Comment AWS aborde le ML dans un environnement réglementé et fournit des conseils sur les bonnes pratiques d'apprentissage automatique à l'aide des services AWS.
• Notre approche organisationnelle de la sécurité et de la conformité qui prend en charge les exigences GxP dans le cadre du modèle de responsabilité partagée.
• Comment reproduire les étapes du flux de travail, suivre la lignée des modèles et des ensembles de données, et établir la gouvernance et la traçabilité des modèles.
• Comment surveiller et maintenir l'intégrité des données et les contrôles de qualité pour détecter les dérives dans la qualité des données et des modèles.
• Meilleures pratiques de sécurité et de conformité pour la gestion des modèles AI/ML sur AWS.
• Divers services AWS pour la gestion des modèles ML dans un environnement réglementé.

AWS s'engage à vous aider à utiliser avec succès les services AWS dans des environnements réglementés des sciences de la vie pour accélérer votre recherche, votre développement et la livraison de la prochaine génération de solutions médicales, de santé et de bien-être.

Nous contacter avec des questions sur l'utilisation des services AWS pour l'IA/ML dans les systèmes GxP. Pour en savoir plus sur la conformité dans le cloud, consultez Conformité AWS. Vous pouvez également consulter les ressources suivantes :

• Application du modèle de responsabilité partagée AWS à votre solution GxP
• Automatisation de la conformité GxP dans le cloud : meilleures pratiques et directives d'architecture
• Meilleures pratiques opérationnelles pour l'IA et le ML
• Présentation du cadre bien architecturé pour l'apprentissage automatique
• Lentille d'apprentissage automatique

À propos des auteurs

Susant Mallick est un spécialiste de l'industrie et un évangéliste numérique dans la pratique mondiale des soins de santé et des sciences de la vie d'AWS. Il a plus de 20 ans d'expérience dans l'industrie des sciences de la vie en travaillant avec des sociétés biopharmaceutiques et de dispositifs médicaux à travers l'Amérique du Nord, les régions APAC et EMEA. Il a construit de nombreuses solutions de plate-forme de santé numérique et d'engagement des patients à l'aide d'applications mobiles, d'IA/ML, d'IoT et d'autres technologies pour des clients dans divers domaines thérapeutiques. Il est titulaire d'un B.Tech en génie électrique et d'un MBA en finance. Son leadership éclairé et son expertise de l'industrie lui ont valu de nombreuses distinctions dans les forums de l'industrie pharmaceutique.

Sai Sharanya Nalla est un scientifique principal des données chez AWS Professional Services. Elle travaille avec les clients pour développer et mettre en œuvre des solutions AI/ML et HPC sur AWS. Dans ses temps libres, elle aime écouter des podcasts et des livres audio, faire de longues promenades et participer à des activités de sensibilisation.

• Coinsmart. Le meilleur échange Bitcoin et Crypto d'Europe.
• Platoblockchain. Intelligence métaverse Web3. Connaissance amplifiée. ACCÈS LIBRE.
• CryptoHawk. Radar Altcoins. Essai gratuit.
• Source : https://aws.amazon.com/blogs/machine-learning/whitepaper-machine-learning-best-practices-in-healthcare-and-life-sciences/