Libro bianco: best practice per l'apprendimento automatico nel settore sanitario e delle scienze della vita

Ripubblicato da Platone

Seguaci: 0

Per i clienti che desiderano implementare un ambiente conforme a GxP su AWS per sistemi di intelligenza artificiale (AI) e machine learning (ML), abbiamo rilasciato un nuovo whitepaper: Best practice per l'apprendimento automatico nel settore sanitario e delle scienze della vita.

Questo whitepaper offre una panoramica della sicurezza e delle buone pratiche di conformità ML e una guida sulla creazione di sistemi AI/ML regolamentati da GxP utilizzando i servizi AWS. Copriamo i punti sollevati dalla FDA documento di discussione ed Buone pratiche di apprendimento automatico (GMLP) attingendo anche dalle risorse AWS: il white paper Sistemi GxP su AWS e la Obiettivo di apprendimento automatico da AWS Well-Architected Framework. Il whitepaper è stato sviluppato sulla base della nostra esperienza e del feedback dei clienti di dispositivi farmaceutici e medici AWS, nonché dei partner AWS, che attualmente utilizzano i servizi AWS per sviluppare modelli ML.

I clienti del settore sanitario e delle scienze della vita (HCLS) stanno adottando i servizi AWS AI e ML più velocemente che mai, ma durante l'implementazione devono anche affrontare le seguenti sfide normative:

Costruire un'infrastruttura sicura conforme a rigorosi processi normativi per lavorare sul cloud pubblico e allinearsi al framework FDA per AI e ML.
Supporto di soluzioni abilitate per AI/ML per carichi di lavoro GxP che coprono quanto segue:
- Riproducibilità
- Tracciabilità
- Integrità dei dati
Monitoraggio dei modelli ML rispetto a varie modifiche a parametri e dati.
Gestione dell'incertezza del modello e della calibrazione della confidenza.

Nei nostri whitepaper, imparerai a conoscere i seguenti argomenti:

In che modo AWS affronta il machine learning in un ambiente regolamentato e fornisce indicazioni sulle buone pratiche di machine learning utilizzando i servizi AWS.
Il nostro approccio organizzativo alla sicurezza e alla conformità che supporta i requisiti GxP come parte del modello di responsabilità condivisa.
Come riprodurre i passaggi del flusso di lavoro, tenere traccia del modello e della discendenza del set di dati e stabilire la governance e la tracciabilità del modello.
Come monitorare e mantenere l'integrità dei dati e i controlli di qualità per rilevare le derive nei dati e nella qualità del modello.
Best practice di sicurezza e conformità per la gestione dei modelli AI/ML su AWS.
Vari servizi AWS per la gestione dei modelli ML in un ambiente regolamentato.

AWS si impegna ad aiutarti a utilizzare con successo i servizi AWS in ambienti regolamentati delle scienze biologiche per accelerare la ricerca, lo sviluppo e la fornitura della prossima generazione di soluzioni mediche, sanitarie e per il benessere.

Contattaci con domande sull'utilizzo dei servizi AWS per AI/ML nei sistemi GxP. Per ulteriori informazioni sulla conformità nel cloud, visita Conformità AWS. Puoi anche controllare le seguenti risorse:

Informazioni sugli autori

Susan Malick è uno specialista del settore e un evangelista digitale nella pratica globale della sanità e delle scienze della vita di AWS. Vanta oltre 20 anni di esperienza nel settore delle scienze della vita, lavorando con aziende biofarmaceutiche e di dispositivi medici in Nord America, APAC ed EMEA. Ha creato molte piattaforme di salute digitale e soluzioni di coinvolgimento dei pazienti utilizzando app mobili, AI/ML, IoT e altre tecnologie per clienti in varie aree terapeutiche. Ha conseguito una laurea B.Tech in Ingegneria Elettrica e un MBA in Finanza. La sua leadership di pensiero e la sua esperienza nel settore si sono guadagnate molti riconoscimenti nei forum del settore farmaceutico.

Sai Sharanya Nalla è Sr. Data Scientist presso AWS Professional Services. Lavora con i clienti per sviluppare e implementare soluzioni AI/ML e HPC su AWS. Nel tempo libero le piace ascoltare podcast e audiolibri, fare lunghe passeggiate e impegnarsi in attività di sensibilizzazione.