これは AWS とフィリップスとの共同ブログです。
フィリップスは、有意義なイノベーションを通じて人々の生活を改善することに重点を置いたヘルステクノロジー企業です。 同社は 2014 年以来、ヘルスケアおよびライフサイエンス企業が患者ケアを改善するために使用する数十の AWS サービスを統合する Philips HealthSuite プラットフォームを顧客に提供してきました。 医療提供者、新興企業、大学、その他の企業と提携して、医師がより正確な診断を下し、世界中の何百万人もの人々に、より個別化された治療を提供できるようにするテクノロジーを開発しています。
フィリップスのイノベーション戦略の主要な原動力の XNUMX つは人工知能 (AI) です。人工知能 (AI) により、健康成果の向上、顧客エクスペリエンスの向上、業務効率の最適化を可能にする、スマートでパーソナライズされた製品とサービスの作成が可能になります。
アマゾンセージメーカー は、機械学習オペレーション (MLOps) 専用のツールを提供し、ML ライフサイクル全体のプロセスの自動化と標準化を支援します。 SageMaker MLOps ツールを使用すると、チームは大規模な ML モデルのトレーニング、テスト、トラブルシューティング、デプロイ、管理を簡単に行うことができ、本番環境でのモデルのパフォーマンスを維持しながら、データ サイエンティストと ML エンジニアの生産性を向上させることができます。
この投稿では、フィリップスが AWS と提携して、SageMaker 上のスケーラブルで安全かつ準拠した ML プラットフォームである AI ToolSuite を開発した方法について説明します。 このプラットフォームは、実験、データの注釈、トレーニング、モデルのデプロイメント、再利用可能なテンプレートに至るまでの機能を提供します。 これらすべての機能は、中央制御による大規模な管理を行いながら、複数の事業部門がスピードと機敏性を持って革新できるように構築されています。 プラットフォームの最初のイテレーションの要件を提供する主要なユースケース、コアコンポーネント、および達成された成果の概要を説明します。 最後に、生成的な AI ワークロードを備えたプラットフォームを有効にし、新しいユーザーやチームがプラットフォームを採用できるように迅速にオンボーディングするための継続的な取り組みを確認して終わります。
顧客のコンテキスト
フィリップスは、イメージング、診断、治療、個人の健康、コネクテッド ケアなどのさまざまな領域で AI を使用しています。 フィリップスが過去数年にわたって開発してきた AI 対応ソリューションの例は次のとおりです。
- フィリップス スマートスピード – 独自の Compressed-SENSE ベースの深層学習 AI アルゴリズムを使用して、さまざまな患者向けに速度と画質を次のレベルに引き上げる、MRI 用の AI ベースのイメージング技術
- フィリップス eCareManager – AI を使用して、高度な分析と臨床アルゴリズムを使用して複数のソースからの患者データを処理し、実用的な洞察、アラート、推奨事項を提供することで、集中治療室の重症患者の遠隔ケアと管理をサポートする遠隔医療ソリューション。ケアチーム
- フィリップスソニッケアー – AIを使用してユーザーのブラッシング行動と口腔の健康を分析し、最適なブラッシング時間、圧力、範囲などのリアルタイムのガイダンスとパーソナライズされた推奨事項を提供して、ユーザーの歯の衛生状態を改善し、虫歯や歯周病を予防するスマート歯ブラシ。
フィリップスは長年にわたり、医療分野全体で革新的なソリューションを促進するデータ駆動型アルゴリズムの開発を先駆的に行ってきました。 画像診断分野では、フィリップスは医療画像の再構成と解釈、ワークフロー管理、治療の最適化のための多数の ML アプリケーションを開発しました。 また、患者モニタリング、画像誘導療法、超音波、および個人の健康チームは、ML アルゴリズムとアプリケーションを作成しています。 しかし、チーム間で断片化された AI 開発環境を使用していたため、イノベーションが妨げられていました。 これらの環境は、個々のラップトップやデスクトップから、さまざまなオンプレミスの計算クラスターやクラウドベースのインフラストラクチャにまで及びました。 この異質性により、当初はさまざまなチームが初期の AI 開発作業を迅速に進めることができましたが、現在では AI 開発プロセスを拡張し、効率を向上させる機会が妨げられています。
フィリップスにおけるデータ駆動型の取り組みの可能性を真に解き放つには、統合され標準化された環境への根本的な移行が不可欠であることは明らかでした。
主要な AI/ML ユースケースとプラットフォーム要件
AI/ML を活用した提案により、臨床医が行う管理タスクを自動化することで医療を変革できます。 例えば:
- AI は医療画像を分析して、放射線科医が病気をより迅速かつ正確に診断できるようにします。
- AI は患者データを分析し、予防的ケアを改善することで将来の医療事象を予測できます
- AIが患者のニーズに合わせた個別の治療を提案
- AI は臨床ノートから情報を抽出して構造化し、記録の作成をより効率的に行うことができます
- AI インターフェイスは、クエリ、リマインダー、症状チェッカーに対する患者サポートを提供できます
全体として、AI/ML は人的エラーの削減、時間とコストの節約、患者エクスペリエンスの最適化、タイムリーでパーソナライズされた介入を約束します。
ML 開発およびデプロイメント プラットフォームの重要な要件の XNUMX つは、次の図に示すように、継続的な反復的な開発およびデプロイメント プロセスをサポートするプラットフォームの機能でした。
AI 資産の開発はラボ環境で開始され、データが収集およびキュレーションされてから、モデルがトレーニングおよび検証されます。 モデルの準備が整い、使用が承認されると、実際の運用システムにデプロイされます。 導入後は、モデルのパフォーマンスが継続的に監視されます。 実際のパフォーマンスとフィードバックは、最終的にはモデルのトレーニングと展開を完全に自動化し、モデルをさらに改善するために使用されます。
AI ToolSuite のより詳細な要件は、次の XNUMX つの使用例に基づいて決定されました。
- エッジでの物体検出を目的としたコンピューター ビジョン アプリケーションを開発します。 データ サイエンス チームは、AI ベースの自動画像注釈ワークフローにより、時間のかかるラベル付けプロセスがスピードアップされると期待していました。
- データ サイエンス チームが、複数の医療ユニットにわたる統計のベンチマークを行うための従来の ML モデルのファミリーを管理できるようにします。 このプロジェクトでは、モデルのデプロイ、実験の追跡、モデルのモニタリングの自動化、将来の監査と再トレーニングの両方に向けてプロセス全体のエンドツーエンドの制御を強化する必要がありました。
- 医用画像診断におけるディープラーニング モデルの品質と市場投入までの時間を短縮します。 既存のコンピューティング インフラストラクチャでは、多くの実験を並行して実行することができず、モデル開発が遅れていました。 また、規制上の理由から、モデル トレーニングの完全な再現性を数年間有効にする必要があります。
非機能要件
スケーラブルで堅牢な AI/ML プラットフォームを構築するには、非機能要件を慎重に検討する必要があります。 これらの要件は、プラットフォームの特定の機能を超えて、次のことを保証することに重点を置いています。
- スケーラビリティ – AI ToolSuite プラットフォームは、プラットフォームがパフォーマンスを犠牲にすることなく、増大するデータ、ユーザー、AI/ML ワークロードの量を処理できるように、フィリップスの洞察生成インフラストラクチャをより効果的に拡張できなければなりません。 一元的なリソース管理を提供しながら、増大する需要にシームレスに対応できるよう、水平方向および垂直方向に拡張できるように設計する必要があります。
- 性能 – プラットフォームは、複雑な AI/ML アルゴリズムを効率的に処理するための高性能コンピューティング機能を提供する必要があります。 SageMaker は、モデルのトレーニングと推論タスクを大幅に高速化できる強力な GPU を備えたインスタンスなど、幅広いインスタンス タイプを提供します。 また、リアルタイムまたはほぼリアルタイムの結果を提供するには、遅延と応答時間を最小限に抑える必要があります。
- 信頼性の向上 – プラットフォームは、複数のアベイラビリティーゾーンにまたがる信頼性の高い堅牢な AI インフラストラクチャを提供する必要があります。 このマルチ AZ アーキテクチャは、リソースとワークロードを個別のデータセンターに分散することで、中断のない AI 運用を保証します。
- 商品在庫 – プラットフォームは、メンテナンスやアップグレードのためのダウンタイムを最小限に抑え、24 時間年中無休で利用できる必要があります。 AI ToolSuite の高可用性には、ロード バランシング、フォールト トレラント アーキテクチャ、プロアクティブなモニタリングが含まれる必要があります。
- セキュリティとガバナンス – プラットフォームは、堅牢なセキュリティ対策、暗号化、アクセス制御、専用の役割、異常なアクティビティを継続的に監視し、セキュリティ監査を実施する認証メカニズムを採用する必要があります。
- データ管理 – 効率的なデータ管理は AI/ML プラットフォームにとって非常に重要です。 医療業界の規制では、特に厳格なデータ ガバナンスが求められています。 正確で信頼性の高い結果を保証するには、データのバージョン管理、データリネージ、データガバナンス、データ品質保証などの機能を含める必要があります。
- 相互運用性(インターオペラビリティ) – プラットフォームは、フィリップスの内部データ リポジトリと簡単に統合できるように設計され、シームレスなデータ交換とサードパーティ アプリケーションとのコラボレーションが可能になる必要があります。
- 保守性 – プラットフォームのアーキテクチャとコード ベースは、適切に組織化され、モジュール化されており、保守可能である必要があります。 これにより、Philips ML エンジニアと開発者は、システム全体を中断することなく、アップデート、バグ修正、将来の機能拡張を提供できるようになります。
- リソースの最適化 – プラットフォームは、コンピューティング リソースが効率的に使用されていることを確認し、需要に基づいてリソースを動的に割り当てるために、使用率レポートを非常に注意深く監視する必要があります。 さらに、フィリップスは AWS の請求およびコスト管理ツールを使用して、使用率が割り当てられたしきい値を超えたときにチームが通知を受け取るようにする必要があります。
- 監視とロギング – プラットフォームは使用する必要があります アマゾンクラウドウォッチ システムのパフォーマンスを追跡し、ボトルネックを特定し、問題を効果的にトラブルシューティングするために必要な、包括的な監視およびログ機能のためのアラート。
- コンプライアンス – このプラットフォームは、AI を活用した提案の法規制遵守の向上にも役立ちます。 再現性とトレーサビリティは、エンドツーエンドのデータ処理パイプラインによって自動的に有効になる必要があり、データリネージ レポートやモデル カードなどの多くの必須ドキュメント アーティファクトが自動的に準備されます。
- テストと検証 – AI/ML モデルの精度と信頼性を確保し、意図しないバイアスを防ぐために、厳格なテストと検証手順を導入する必要があります。
ソリューションの概要
AI ToolSuite は、エンドツーエンドのスケーラブルなクイック スタート AI 開発環境で、ネイティブ SageMaker および関連する AI/ML サービスと、Philips HealthSuite のセキュリティおよびプライバシー ガードレール、および Philips エコシステムの統合を提供します。 専用のアクセス権限セットを持つ XNUMX つのペルソナがあります。
- データ科学者 – 共同ワークスペースでデータを準備し、モデルを開発およびトレーニングする
- MLエンジニア – モデルのデプロイ、モニタリング、メンテナンスを使用して ML アプリケーションを実稼働化します。
- データサイエンス管理者 – チームのリクエストごとにプロジェクトを作成し、ユースケース固有のテンプレートを備えた専用の隔離環境を提供します
プラットフォームの開発は、検出、設計、構築、テスト、展開の反復サイクルで複数のリリース サイクルにまたがりました。 一部のアプリケーションの独自性により、プラットフォームの拡張には、データ ストアや注釈用の独自ツールなどの既存のカスタム コンポーネントを埋め込む必要がありました。
次の図は、AI ToolSuite の XNUMX 層アーキテクチャを示しています。最初の層として基本インフラストラクチャ、XNUMX 番目の層として共通の ML コンポーネント、XNUMX 番目の層としてプロジェクト固有のテンプレートが含まれています。
レイヤ 1 には、基本インフラストラクチャが含まれます。
- 高可用性を備えたインターネットへのパラメータ化されたアクセスを備えたネットワーキング層
- Infrastructure as Code (IaC) によるセルフサービス プロビジョニング
- を使用した統合開発環境 (IDE) Amazon SageMakerスタジオ ドメイン
- プラットフォームの役割 (データ サイエンス管理者、データ サイエンティスト)
- アーティファクトの保管
- 可観測性のためのロギングとモニタリング
レイヤ 2 には、一般的な ML コンポーネントが含まれています。
- すべてのジョブとパイプラインの自動実験追跡
- 新しいモデル ビルドの更新を開始するためのモデル ビルド パイプライン
- モデルのトレーニング、評価、登録で構成されるモデル トレーニング パイプライン
- 最終的なテストと承認のためにモデルをデプロイするためのモデル デプロイ パイプライン
- モデルのバージョンを簡単に管理するためのモデル レジストリ
- 特定のユースケース用に特別に作成され、SageMaker Studio ユーザーに割り当てられるプロジェクト ロール
- プロジェクト用に構築された処理、トレーニング、推論コンテナー イメージを保存するためのイメージ リポジトリ
- コードアーティファクトを保存するコードリポジトリ
- プロジェクト Amazon シンプル ストレージ サービス すべてのプロジェクト データとアーティファクトを保存する (Amazon S3) バケット
レイヤー 3 には、新しいプロジェクトの必要に応じてカスタム コンポーネントを使用して作成できるプロジェクト固有のテンプレートが含まれています。 例えば:
- テンプレート1 – データクエリと履歴追跡のためのコンポーネントが含まれています
- テンプレート2 – 独自の注釈ツールを使用するためのカスタム注釈ワークフローを備えたデータ注釈用のコンポーネントが含まれています
- テンプレート3 – 開発環境とトレーニング ルーチンの両方をカスタマイズするためのカスタム コンテナ イメージ用のコンポーネント、専用の HPC ファイル システム、ユーザー向けのローカル IDE からのアクセスが含まれています
次の図は、開発、ステージング、本番環境の複数の AWS アカウントにわたる主要な AWS サービスを示しています。
次のセクションでは、SageMaker、 AWSサービスカタログ、クラウドウォッチ、 AWSラムダ, Amazon エラスティック コンテナ レジストリ (Amazon ECR)、Amazon S3、 AWS IDおよびアクセス管理 (IAM) など。
コードとしてのインフラストラクチャ
このプラットフォームは IaC を使用しており、これによりフィリップスはインフラストラクチャ リソースのプロビジョニングと管理を自動化できます。 このアプローチは、開発、テスト、または運用における再現性、スケーラビリティ、バージョン管理、一貫性、セキュリティ、移植性にも役立ちます。
AWS環境へのアクセス
SageMaker および関連する AI/ML サービスには、データ準備、モデル開発、トレーニング、アノテーション、デプロイメントのためのセキュリティ ガードレールを使用してアクセスします。
孤立と協力
このプラットフォームは、データを個別に保存および処理することで確実に分離し、不正アクセスやデータ侵害のリスクを軽減します。
このプラットフォームはチームのコラボレーションを促進します。これは、通常、データ サイエンティスト、データ サイエンス管理者、MLOps エンジニアなどの部門横断的なチームが関与する AI プロジェクトでは不可欠です。
役割ベースのアクセス制御
ロールベースのアクセス制御 (RBAC) は、構造化された方法でロールとアクセス許可を定義することにより、アクセス許可を管理し、アクセス管理を簡素化するために不可欠です。 これにより、チームやプロジェクトの成長に伴うアクセス許可の管理や、データサイエンス管理者、データサイエンティスト、アノテーション管理者、アノテーター、MLOps エンジニアなど、AWS AI/ML プロジェクトに関わるさまざまな担当者のアクセス制御が簡単になります。
データストアへのアクセス
このプラットフォームにより、SageMaker はデータ ストアにアクセスできるようになり、異なるストレージ場所にデータを複製したり移動したりすることなく、モデルのトレーニングと推論にデータを効率的に利用できるようになり、それによってリソースの使用率が最適化され、コストが削減されます。
フィリップス固有の注釈ツールを使用した注釈
AWS は、SageMaker などの AI および ML サービスのスイートを提供しています。 Amazon SageMakerグラウンドトゥルース, アマゾンコグニート、フィリップス固有の社内注釈ツールと完全に統合されています。 この統合により、開発者は AWS 環境内のアノテーション付きデータを使用して ML モデルをトレーニングおよびデプロイできるようになります。
ML テンプレート
AI ToolSuite プラットフォームは、AWS でさまざまな ML ワークフロー用のテンプレートを提供します。 これらのテンプレートは、特定の ML ユースケースに合わせて調整された事前構成されたインフラストラクチャ設定であり、次のようなサービスを通じてアクセスできます。 SageMakerプロジェクトテンプレート, AWS CloudFormation、およびサービス カタログ。
フィリップス GitHub との統合
GitHub との統合により、バージョン管理、コード レビュー、自動化された CI/CD (継続的インテグレーションおよび継続的デプロイメント) パイプラインのための一元的なプラットフォームが提供されることで効率が向上し、手動タスクが削減され、生産性が向上します。
Visual Studio コードの統合
Visual Studio Code との統合により、ML プロジェクトのコーディング、デバッグ、管理のための統合環境が提供されます。 これにより、ML ワークフロー全体が合理化され、コンテキストの切り替えが減り、時間が節約されます。 この統合により、チームメンバーが使い慣れた開発環境内で SageMaker プロジェクトに一緒に取り組み、バージョン管理システムを利用し、コードとノートブックをシームレスに共有できるようになり、チームメンバー間のコラボレーションも強化されます。
再現性とコンプライアンスのためのモデルとデータの系統とトレーサビリティ
このプラットフォームはバージョン管理を提供します。これにより、データ サイエンティストのトレーニング データと推論データへの変更を長期にわたって追跡できるため、結果の再現とデータセットの進化の理解が容易になります。
このプラットフォームでは、SageMaker 実験追跡も可能です。これにより、エンドユーザーは、ハイパーパラメーター、入力データ、コード、モデル アーティファクトなど、ML 実験に関連付けられたすべてのメタデータを記録および追跡できます。 これらの機能は、規制基準への準拠を実証し、AI/ML ワークフローの透明性と説明責任を確保するために不可欠です。
規制遵守のための AI/ML 仕様レポートの生成
AWS は、さまざまな業界標準および規制に対するコンプライアンス認証を維持しています。 AI/ML 仕様レポートは、規制要件への遵守を示す重要なコンプライアンス文書として機能します。 これらのレポートは、データセット、モデル、コードのバージョン管理を文書化します。 バージョン管理は、データ系統、トレーサビリティ、再現性を維持するために不可欠であり、これらはすべて規制遵守と監査にとって重要です。
プロジェクトレベルの予算管理
プロジェクト レベルの予算管理により、組織は支出に制限を設定できるため、予期せぬコストを回避し、ML プロジェクトを予算内に収めることができます。 予算管理を使用すると、組織は特定の予算を個々のプロジェクトまたはチームに割り当てることができるため、チームはリソースの非効率性や予期せぬコストの急増を早期に特定することができます。 予算管理に加えて、アイドル状態のノートブックを自動的にシャットダウンする機能により、チーム メンバーは未使用のリソースへの支払いを回避し、貴重なリソースがアクティブに使用されていないときに解放して、他のタスクやユーザーが利用できるようにします。
成果
AI ToolSuite は、フィリップス全体のデータ サイエンティスト向けの ML 開発および展開のための企業全体のプラットフォームとして設計および実装されました。 設計と開発の際には、すべての事業部門からの多様な要件が収集され、検討されました。 プロジェクトの初期段階で、フィリップスはフィードバックを提供し、プラットフォームの価値の評価を支援するビジネス チームから支持者を特定しました。
以下の成果が達成されました。
- ユーザーの採用は、フィリップスの重要な先行指標の 2024 つです。 いくつかのビジネスユニットのユーザーがトレーニングを受けてプラットフォームに登録されており、その数は XNUMX 年に増加すると予想されます。
- もう XNUMX つの重要な指標は、データ サイエンス ユーザーの効率です。 AI ToolSuite を使用すると、新しい ML 開発環境が数日ではなく XNUMX 時間以内にデプロイされます。
- データ サイエンス チームは、スケーラブルで安全、コスト効率の高いクラウドベースのコンピューティング インフラストラクチャにアクセスできます。
- チームは複数のモデル トレーニング実験を並行して実行できるため、平均トレーニング時間が数週間から 1 ~ 3 日に大幅に短縮されました。
- 環境の展開は完全に自動化されているため、クラウド インフラストラクチャ エンジニアの関与が事実上不要となり、運用コストが削減されます。
- AI ToolSuite の使用により、優れた ML プラクティス、標準化されたワークフロー、医療業界の法規制遵守にとって重要なエンドツーエンドの再現性の使用が促進され、データと AI 成果物の全体的な成熟度が大幅に向上しました。
生成AIに期待
組織が次の最先端の AI の導入を競う中、組織のセキュリティとガバナンス ポリシーの観点から新しいテクノロジーを採用することが不可欠です。 AI ToolSuite のアーキテクチャは、フィリップスのさまざまなチームが AWS の生成 AI 機能にアクセスできるようにするための優れた青写真を提供します。 チームは、で利用可能な基盤モデルを使用できます。 Amazon SageMaker ジャンプスタート、Hugging Face およびその他のプロバイダーからの膨大な数のオープン ソース モデルを提供します。 アクセス制御、プロジェクトのプロビジョニング、コスト管理の点で必要なガードレールがすでに導入されているため、チームは SageMaker 内の生成 AI 機能をシームレスに使い始めることができます。
さらに、次へのアクセス アマゾンの岩盤は、生成 AI 用のフルマネージド API 駆動サービスであり、プロジェクト要件に基づいて個々のアカウントにプロビジョニングでき、ユーザーは SageMaker ノートブック インターフェイスまたは好みの IDE を介して Amazon Bedrock API にアクセスできます。
医療などの規制された環境での生成 AI の導入に関しては、追加の考慮事項があります。 生成 AI アプリケーションによって生み出される価値については、関連するリスクやコストと照らし合わせて慎重に検討する必要があります。 また、組織による生成 AI テクノロジーの使用を管理するリスクと法的枠組みを作成する必要もあります。 データセキュリティ、バイアスと公平性、規制遵守などの要素は、そのようなメカニズムの一部として考慮する必要があります。
まとめ
フィリップスは、データ駆動型アルゴリズムの力を活用してヘルスケア ソリューションに革命を起こす旅に乗り出しました。 長年にわたり、画像診断の革新により、画像再構成からワークフロー管理、治療の最適化に至るまで、いくつかの ML アプリケーションが生み出されてきました。 しかし、個々のラップトップからオンプレミスのクラスターやクラウド インフラストラクチャに至るまで、セットアップが多岐にわたるため、大きな課題が生じました。 個別のシステム管理、セキュリティ対策、サポート メカニズム、およびデータ プロトコルにより、TCO の包括的な把握とチーム間の複雑な移行が妨げられていました。 研究開発から実稼働への移行では、系統と再現性の欠如が負担となり、継続的なモデルの再トレーニングが困難になりました。
フィリップスと AWS の戦略的コラボレーションの一環として、SageMaker を使用してスケーラブルで安全かつ準拠した ML プラットフォームを開発するために、AI ToolSuite プラットフォームが作成されました。 このプラットフォームは、実験、データの注釈、トレーニング、モデルのデプロイメント、再利用可能なテンプレートに至るまでの機能を提供します。 これらすべての機能は、検出、設計、構築、テスト、展開の複数のサイクルにわたって反復的に構築されました。 これにより、複数の事業部門がスピードと機敏性を持ってイノベーションを起こしながら、集中管理による大規模な管理が可能になりました。
この取り組みは、AI と ML の力を活用して医療の革新と効率を推進し、最終的には世界中の患者と医療提供者に利益をもたらしたいと考えている組織にとってインスピレーションとなります。 この成功をさらに積み重ねながら、フィリップスは革新的な AI 対応ソリューションを通じて健康成果の改善においてさらに大きな進歩を遂げる準備ができています。
AWS におけるフィリップスのイノベーションの詳細については、次のサイトをご覧ください。 AWS 上のフィリップス.
著者について
フランク・ワルテナ Philips Innovation & Strategy のプログラム マネージャーです。 彼は、フィリップスのデータと AI 対応の提案をサポートするために、データと AI 関連のプラットフォーム資産を調整します。 彼は人工知能、データサイエンス、相互運用性において幅広い経験を持っています。 余暇には、フランクはランニング、読書、ボート漕ぎを楽しんでおり、家族と時間を過ごしています。
イリーナ・フェドゥロワ は、Philips Innovation & Strategy のプリンシパル データ & AI リードです。 彼女は、フィリップスでの (生成的) AI 対応ソリューションの開発と製品化をスピードアップしてスケールアップするツール、プラットフォーム、ベスト プラクティスに焦点を当てた戦略的活動を推進しています。 Irina は、機械学習、クラウド コンピューティング、ソフトウェア エンジニアリングにおける強力な技術的背景を持っています。 仕事以外では、家族と時間を過ごしたり、旅行したり、読書を楽しんだりしています。
セルヴァクマール・パラニヤッパン Philips Innovation & Strategy のプロダクト オーナーであり、Philips HealthSuite AI および ML プラットフォームの製品管理を担当しています。 彼は技術的な製品管理とソフトウェア エンジニアリングの経験が豊富です。 彼は現在、スケーラブルで準拠した AI および ML の開発および展開プラットフォームの構築に取り組んでいます。 さらに、AI を活用した医療システムとソリューションを開発するために、フィリップスのデータ サイエンス チームでの導入を主導しています。
アドナン・エルチ AWS プロフェッショナル サービスのシニア クラウド インフラストラクチャ アーキテクトです。 彼はテック リードの立場で活動し、ヘルスケア、ライフ サイエンス、金融、航空、製造のクライアントのさまざまな業務を監督しています。 彼の自動化に対する熱意は、AWS 環境内でのエンタープライズ レベルの顧客ソリューションの設計、構築、実装に広く関与していることからも明らかです。 アドナンは専門的な取り組みを超えて、ボランティア活動に積極的に専念し、コミュニティ内に有意義でポジティブな影響を生み出すよう努めています。
ハサン・プーナワラ AWS のシニア AI/ML スペシャリスト ソリューション アーキテクトである Hasan は、顧客が AWS の本番環境で機械学習アプリケーションを設計およびデプロイするのを支援しています。 彼は、データ サイエンティスト、機械学習の実践者、およびソフトウェア開発者として 12 年以上の実務経験があります。 余暇には、Hasan は自然を探索し、友人や家族と過ごすのが大好きです。
スレオシ・ロイ AWS のシニア グローバル エンゲージメント マネージャーです。 ヘルスケアおよびライフ サイエンスの顧客のビジネス パートナーとして、彼女は複雑なビジネス上の問題に対するソリューションを定義し、提供する上で比類のない経験を持っています。 彼女は、顧客が戦略的目標を設定し、クラウド/データ戦略を定義および設計し、技術的目標とビジネス目標を達成するために大規模で堅牢なソリューションを実装するのを支援します。 彼女の専門的な努力を超えて、共感を育み、包括性を促進することによって、人々の生活に有意義な影響を与えることに献身的に取り組んでいます。
ワジャハット・アジズ AWS ヘルスケアおよびライフ サイエンス チームの AI/ML および HPC のリーダーです。 Wajahat は、ライフサイエンス組織でさまざまな役割のテクノロジーリーダーを務めてきたため、その経験を活かして、ヘルスケアおよびライフサイエンスの顧客が AWS テクノロジーを活用して最先端の ML および HPC ソリューションを開発できるよう支援しています。 彼の現在の焦点分野は、初期研究、臨床試験、プライバシー保護の機械学習です。
ヴィオレッタ・ストビニエツカ AWS プロフェッショナル サービスのデータ サイエンティストです。 彼女は専門的なキャリアを通じて、銀行、保険、通信会社、公共部門などのさまざまな業界に複数の分析主導のプロジェクトを提供してきました。 高度な統計手法と機械学習に関する彼女の知識は、ビジネスの洞察力とうまく組み合わされています。 彼女は、顧客に価値を生み出すために最近の AI の進歩をもたらしました。
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
- プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
- プラトンESG。 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
- プラトンヘルス。 バイオテクノロジーと臨床試験のインテリジェンス。 こちらからアクセスしてください。
- 情報源: https://aws.amazon.com/blogs/machine-learning/philips-accelerates-development-of-ai-enabled-healthcare-solutions-with-an-mlops-platform-built-on-amazon-sagemaker/
- :持っている
- :は
- :not
- :どこ
- $UP
- 1
- 100
- 12
- 120
- 2014
- 2024
- 7
- 87
- a
- 能力
- できる
- 私たちについて
- 加速する
- 加速する
- アクセス
- データへのアクセス
- アクセス
- アクセス可能な
- 説明責任
- アカウント
- 精度
- 正確な
- 達成
- 越えて
- 実用的
- 積極的に
- 活動
- 鋭い
- 添加
- NEW
- 執着
- 管理人
- 管理
- 行政の
- 採用
- 養子縁組
- 高度な
- 進歩
- に対して
- AI
- AI / ML
- 目的としました
- アラート
- アルゴリズム
- アルゴリズム
- すべて
- 割り当てる
- 割り当てられました
- 許す
- 許可
- ことができます
- 既に
- また
- Amazon
- アマゾンセージメーカー
- Amazon Webサービス
- 間で
- 量
- an
- 分析論
- 分析します
- 分析する
- および
- API
- 申し込み
- アプローチ
- 承認された
- 建築
- です
- エリア
- 人工の
- 人工知能
- 人工知能(AI)
- AS
- 資産
- 資産
- 割り当てられた
- 関連する
- 保証
- At
- 監査
- 監査
- 認証
- 自動化する
- 自動化
- 自動的に
- 自動化する
- オートメーション
- 賃貸条件の詳細・契約費用のお見積り等について
- 利用できます
- 平均
- 航空
- 避ける
- AWS
- AWSプロフェッショナルサービス
- バック
- 背景
- バランシング
- バンキング
- ベース
- ベース
- BE
- き
- 行動
- ベンチマーク
- 恩恵を受ける
- BEST
- ベストプラクティス
- の間に
- 越えて
- バイアス
- バイアス
- 請求
- ブログ
- 青写真
- ブースト
- 後押し
- 両言語で
- ボトルネック
- 違反
- もたらす
- 広い
- 予算
- 予算
- バグ
- ビルド
- 建物
- 内蔵
- ビジネス
- 焙煎が極度に未発達や過発達のコーヒーにて、クロロゲン酸の味わいへの影響は強くなり、金属を思わせる味わいと乾いたマウスフィールを感じさせます。
- by
- コール
- 缶
- 機能
- 容量
- カード
- これ
- キャリア
- 注意深い
- 場合
- 例
- カタログ
- センター
- 中央の
- 集中型の
- 認定
- 課題
- チャンピオンズ
- 変更
- チャージ
- クラシック
- クライアント
- 臨床
- 臨床試験
- 臨床医
- 密接に
- クラウド
- クラウドコンピューティング
- クラウドインフラ
- コード
- コードベース
- コーディング
- 環境、テクノロジーを推奨
- 共同
- 組み合わせた
- comes
- 約束
- コマンドと
- コミュニティ
- 企業
- 会社
- 複雑な
- コンプライアンス
- 準拠した
- 複雑な
- コンポーネント
- コンポーネント
- 包括的な
- 構成
- 計算的
- 計算
- コンピュータ
- Computer Vision
- コンピューティング
- について
- 結論
- 導電性
- 交流
- 考慮
- 検討事項
- 見なさ
- コンテナ
- 含まれています
- コンテキスト
- 続ける
- 連続的な
- 連続的に
- 連続体
- コントロール
- controls
- 基本
- 費用
- Financials
- コスト削減
- コスト
- カバレッジ
- 作ります
- 値を作成
- 作成した
- 作成
- 創造
- 重大な
- クロスファンクショナルチーム
- 重大な
- キュレーション
- 電流プローブ
- 現在
- カスタム
- 顧客
- 顧客満足体験
- カスタマーソリューション
- Customers
- カスタマイズ
- サイクル
- サイクル
- データ
- データ侵害
- データセンター
- データ交換
- データ管理
- データの準備
- データ処理
- データサイエンス
- データサイエンティスト
- データセキュリティ
- データ駆動型の
- データセット
- 日
- 専用の
- 献身
- 深いです
- 深い学習
- 定義します
- 定義
- 遅延
- 配信する
- 配信
- 配信する
- 需要
- 需要
- デモ
- 展開します
- 展開
- 展開
- 配備
- 説明する
- 設計
- 設計
- 設計
- 詳細な
- 検出
- 開発する
- 発展した
- Developer
- 開発者
- 開発
- 開発
- 診断
- 画像診断
- 診断法
- 異なります
- 難しい
- 発見する
- 話し合います
- 病気
- 明確な
- 配布する
- 異なる
- 医師
- ドキュメント
- ドキュメント
- ドメイン
- ドメイン
- 行われ
- ダウン
- ダウンタイム
- 数十
- ドライブ
- ドリブン
- ドライバー
- 運転
- 原因
- 間に
- 動的に
- 早い
- 容易
- 簡単に
- エコシステム
- エッジ(Edge)
- 効果的に
- 効率
- 効率的な
- 効率良く
- 努力
- どちら
- 要素は
- 乗船した
- 埋め込み
- 共感
- enable
- 使用可能
- 可能
- 有効にする
- 暗号化
- end
- 端から端まで
- 努力
- 婚約
- エンジニア
- エンジニアリング
- エンジニア
- 高めます
- 強化された
- 強化
- 強化
- 確保
- 確実に
- 確保する
- Enterprise
- 熱意
- 全体
- 環境
- 環境
- エラー
- 特に
- 本質的な
- 評価する
- 評価
- さらに
- イベント
- 最終的に
- あらゆる
- 明らか
- 進化
- 例
- 例
- 優れた
- 交換
- 既存の
- 予想される
- 体験
- 経験豊かな
- エクスペリエンス
- 実験
- 実験
- 探る
- 広範囲
- エキス
- 顔
- 促進する
- 公平
- おなじみの
- 家族
- スピーディー
- 速いです
- 特徴
- 特徴
- フィードバック
- フィギュア
- File
- ファイナル
- ファイナンス
- 名
- フォーカス
- 焦点を当て
- フォロー中
- 手ごわい
- フォワード
- 助長
- Foundation
- 断片化して
- フレームワーク
- 率直な
- 友達
- から
- ガソリンタンク
- フル
- 完全に
- 機能性
- 基本的な
- さらに
- さらに
- 未来
- 世代
- 生々しい
- 生成AI
- GitHubの
- 与えられた
- グローバル
- Go
- 良い
- ガバナンス
- 統治
- 支配する
- GPU
- 大きい
- 陸上
- 成長する
- 成長
- ガイダンス
- ガイド付きの
- ハンドル
- ハーネス
- 利用する
- 持ってる
- 持って
- he
- 健康
- 保健制度
- ヘルスケア
- ヘルスケア産業
- 助けます
- 助けました
- 助け
- ことができます
- 彼女の
- ハイ
- ハイパフォーマンス
- ハイライト
- 非常に
- 彼自身
- 彼の
- history
- 開催
- 水平に
- 時間
- 認定条件
- しかしながら
- hpc
- HTML
- HTTP
- HTTPS
- 人間
- 特定され
- 識別する
- 識別
- アイデンティティ
- アイドル
- 説明する
- 画像
- 画像
- イメージング
- 影響
- 命令的
- 実装する
- 実装
- 実装
- 重要
- 改善します
- 改善
- 改善
- in
- include
- 含ま
- 含めて
- 包括性
- の増加
- インジケータ
- 個人
- 産業
- 産業を変えます
- 業界標準
- 非効率
- 情報
- インフラ
- 当初
- 革新します
- 革新的手法
- イノベーション戦略
- 革新的な
- 洞察
- ひらめき
- を取得する必要がある者
- 保険
- 統合する
- 統合された
- 統合
- 統合
- インテリジェンス
- インタフェース
- インターフェース
- 内部
- インターネット
- 相互運用性(インターオペラビリティ)
- 解釈
- 介入
- に
- 巻き込む
- 関係する
- 関与
- イリーナ
- 分離された
- 分離
- 問題
- IT
- 繰り返し
- ITS
- ジョブ
- ジョイント
- 旅
- JPG
- キープ
- キー
- 知識
- ラボ
- ラベリング
- 欠如
- ノートパソコン
- 大
- レイテンシ
- 起動する
- 層
- つながる
- リーダー
- 主要な
- LEARN
- 学習
- リーガルポリシー
- 法的枠組み
- less
- レベル
- 活用します
- レバレッジ
- ある
- 生活
- ライフサイエンス
- 生命科学
- wifecycwe
- ような
- 制限
- 系統
- ライン
- ライブ
- 命
- 負荷
- ローカル
- 場所
- ログ
- ロギング
- 探して
- で
- 機械
- 機械学習
- 製
- メンテナンス可能
- 保守
- 維持
- メンテナンス
- make
- 作る
- 作成
- 管理します
- マネージド
- 管理
- 管理ツール
- マネージャー
- 管理する
- 義務的な
- 方法
- マニュアル
- 製造業
- 多くの
- 市場
- 満期
- 意味のある
- 措置
- メカニズム
- 医療の
- 大会
- メンバー
- メソッド
- メトリック
- 何百万
- 最小限の
- ML
- MLOps
- モデル
- モジュラー
- モニター
- 監視対象
- モニタリング
- 他には?
- MRI検査
- の試合に
- 多数
- しなければなりません
- ネイティブ
- 自然
- 必要
- 必要
- ニーズ
- ネットワーキング
- 新作
- 新しい利用者
- 次の
- いいえ
- ノート
- ノート
- 通知
- 今
- 数
- オブジェクト
- オブジェクト検出
- 目的
- of
- 提供すること
- オファー
- on
- オンボード
- かつて
- ONE
- 継続
- 開いた
- オープンソース
- 動作
- オペレーショナル
- 業務執行統括
- 機会
- 最適な
- 最適化
- 最適化
- 最適化
- 最適化
- or
- 口腔衛生
- 注文
- 組織
- 組織
- 整理
- その他
- その他
- 私たちの
- 成果
- アウトライン
- 外側
- が
- 全体
- 監督
- 所有者
- 並列シミュレーションの設定
- 部
- パートナー
- 提携
- パートナー
- パス
- 過去
- 患者
- 患者
- 支払い
- のワークプ
- 人々の
- 以下のために
- パフォーマンス
- パーミッション
- 個人的な
- カスタマイズ
- 先駆者
- パイプライン
- 場所
- プラットフォーム
- プラットフォーム
- プラトン
- プラトンデータインテリジェンス
- プラトデータ
- 態勢を整えた
- 方針
- 移植性
- 提起
- 正の
- ポスト
- 潜在的な
- 電力
- 強力な
- プラクティス
- 正確な
- 予測する
- 優先
- 準備
- 準備
- 準備
- 保存する
- 圧力
- 防ぐ
- 校長
- プライバシー
- 先を見越した
- 問題
- 手続き
- プロセス
- ラボレーション
- 処理
- プロダクト
- 製品管理
- 生産
- 生産性
- 製品
- プロ
- 演奏曲目
- プロジェクト
- プロジェクトデータ
- プロジェクト(実績作品)
- 約束
- 推進
- 所有権
- 提供します
- 提供
- プロバイダ
- は、大阪で
- 提供
- 公共
- 目的
- 品質
- クエリ
- クイック
- レース
- 範囲
- 測距
- 急速に
- リーディング
- 準備
- 現実の世界
- への
- 受け取ります
- 最近
- 推奨する
- 提言
- 電話代などの費用を削減
- 縮小
- レジストリ
- 規制
- 規制
- レギュレータ
- 企業コンプライアンス
- 関連する
- リリース
- 解放
- 信頼性
- 信頼性のある
- リモート
- レポート
- レポート
- 倉庫
- 要求
- の提出が必要です
- 要件
- 必要
- 研究
- 研究開発
- リソースを追加する。
- リソース
- 応答
- 結果
- 再利用可能な
- レビュー
- 革命を起こす
- 厳しい
- リスク
- リスク
- 堅牢な
- 職種
- 役割
- ラン
- ランニング
- 犠牲にする
- セージメーカー
- 節約
- 貯蓄
- スケーラビリティ
- ド電源のデ
- 規模
- 科学
- 科学
- 科学者
- 科学者たち
- シームレス
- シームレス
- 二番
- セクション
- セクター
- 安全に
- セキュリティ
- セキュリティ監査
- セキュリティー対策
- シニア
- 別
- 役立つ
- サービスを提供
- 仕える
- サービス
- サービス
- セッションに
- セット
- 設定
- いくつかの
- シェアリング
- 彼女
- シフト
- すべき
- 展示の
- 示す
- シャット
- シャットダウン
- 著しく
- 簡単な拡張で
- 単純化
- から
- スマート
- So
- ソフトウェア
- ソフトウェア工学
- 溶液
- ソリューション
- 一部
- ソース
- ソース
- 緊張
- スパン
- 先導する
- 専門家
- 特定の
- 特に
- 仕様
- スピード
- 過ごす
- 支出
- スパイク
- ステージング
- 規格
- スタンド
- start
- 開始
- スタートアップ
- 最先端の
- 統計的
- 統計
- 滞在
- ストレージ利用料
- 店舗
- 店舗
- 保存
- 簡単な
- 戦略的
- 作戦
- 戦略
- ストライド
- 努力
- 強い
- 構造
- 構造化された
- 研究
- 成功
- そのような
- スイート
- サポート
- 確か
- 症状
- システム
- テーラード
- 取る
- タスク
- チーム
- チームメンバー
- チーム
- テク
- 技術的
- テクノロジー
- テクノロジー
- 電話会社
- テレヘルス
- テンプレート
- 条件
- test
- テスト
- より
- それ
- 未来
- アプリ環境に合わせて
- それら
- その後
- そこ。
- それによって
- ボーマン
- 彼ら
- 三番
- サードパーティ
- この
- 三
- しきい値
- 介して
- 全体
- 時間
- 時間がかかる
- タイムリーな
- <font style="vertical-align: inherit;">回数</font>
- 〜へ
- 一緒に
- 豊富なツール群
- に向かって
- トレーサビリティ
- 追跡する
- 追跡
- トレーニング
- 訓練された
- トレーニング
- 最適化の適用
- 遷移
- 遷移
- 透明性
- 旅行
- 治療
- 試験
- 真に
- 一般的に
- 最終的に
- 無許可
- わかる
- 予期しない
- 統一
- ユニーク
- 一意性
- ユニット
- 大学
- 解き放つ
- 圧倒的な
- 未使用
- 更新版
- アップグレード
- に
- つかいます
- 使用事例
- 中古
- users
- 使用されます
- 利用された
- 活用
- 検証済み
- 貴重な
- 値
- 多様
- さまざまな
- 広大な
- バージョン
- 垂直に
- 非常に
- 、
- 詳しく見る
- 事実上
- ビジョン
- 訪問
- ビジュアル
- ボリューム
- name
- ました
- we
- ウェブ
- Webサービス
- ウィークス
- WELL
- した
- いつ
- which
- while
- 誰
- ワイド
- 広い範囲
- 意志
- 以内
- 無し
- 仕事
- ワークフロー
- ワークフロー
- ワーキング
- 年
- 得られた
- ゼファーネット
- ゾーン