AWS와 Philips의 공동 블로그입니다.
필립스는 의미 있는 혁신을 통해 사람들의 삶을 개선하는 데 주력하는 건강 기술 회사입니다. 2014년부터 이 회사는 의료 및 생명 과학 기업이 환자 치료를 개선하기 위해 사용하는 수십 개의 AWS 서비스를 조율하는 Philips HealthSuite 플랫폼을 고객에게 제공해 왔습니다. 의료 서비스 제공자, 신생 기업, 대학 및 기타 회사와 협력하여 의사가 보다 정확한 진단을 내리고 전 세계 수백만 명의 사람들에게 보다 맞춤화된 치료를 제공하는 데 도움이 되는 기술을 개발합니다.
Philips 혁신 전략의 핵심 동인 중 하나는 인공 지능(AI)입니다. 이를 통해 건강 결과를 개선하고 고객 경험을 향상하며 운영 효율성을 최적화할 수 있는 스마트하고 개인화된 제품과 서비스를 만들 수 있습니다.
아마존 세이지 메이커 ML 수명주기 전반에 걸쳐 프로세스를 자동화하고 표준화하는 데 도움이 되는 MLOps(기계 학습 작업)용으로 특별히 제작된 도구를 제공합니다. SageMaker MLOps 도구를 사용하면 팀은 대규모 ML 모델을 쉽게 교육, 테스트, 문제 해결, 배포 및 관리하여 프로덕션에서 모델 성능을 유지하면서 데이터 과학자와 ML 엔지니어의 생산성을 높일 수 있습니다.
이 게시물에서는 Philips가 어떻게 AWS와 제휴하여 SageMaker에서 확장 가능하고 안전하며 규정을 준수하는 ML 플랫폼인 AI ToolSuite를 개발했는지 설명합니다. 이 플랫폼은 실험, 데이터 주석, 교육, 모델 배포, 재사용 가능한 템플릿 등 다양한 기능을 제공합니다. 이러한 모든 기능은 중앙 제어를 통해 대규모로 관리하면서 여러 비즈니스 라인이 속도와 민첩성으로 혁신할 수 있도록 지원하기 위해 구축되었습니다. 우리는 플랫폼의 첫 번째 반복에 대한 요구 사항, 핵심 구성 요소 및 달성된 결과를 제공하는 주요 사용 사례를 간략하게 설명합니다. 생성적 AI 워크로드로 플랫폼을 활성화하고 새로운 사용자와 팀이 플랫폼을 채택하도록 신속하게 온보딩하기 위한 지속적인 노력을 확인하는 것으로 결론을 내립니다.
고객 상황
필립스는 영상, 진단, 치료, 개인 건강, 커넥티드 케어 등 다양한 영역에서 AI를 사용합니다. Philips가 지난 몇 년 동안 개발한 AI 지원 솔루션의 몇 가지 예는 다음과 같습니다.
- 필립스 SmartSpeed – 고유한 Compressed-SENSE 기반 딥러닝 AI 알고리즘을 사용하여 다양한 환자를 위한 속도와 영상 품질을 한 단계 높이는 MRI용 AI 기반 영상 기술
- 필립스 eCareManager – AI를 사용하여 중환자실에 있는 중환자의 원격 치료 및 관리를 지원하고 고급 분석 및 임상 알고리즘을 사용하여 여러 소스의 환자 데이터를 처리하고 실행 가능한 통찰력, 경고 및 권장 사항을 제공하는 원격 의료 솔루션입니다. 케어 팀
- 필립스 소닉 케어 – AI를 활용해 사용자의 양치 행동과 구강 건강 상태를 분석하고 최적의 양치 시간, 압력, 커버력 등 실시간 안내와 개인별 추천을 제공하여 치아 위생 개선과 충치, 잇몸 질환 예방을 돕는 스마트 칫솔 .
수년 동안 Philips는 의료 서비스 전반에 걸쳐 혁신적인 솔루션을 촉진하기 위해 데이터 기반 알고리즘 개발을 개척해 왔습니다. 진단 영상 영역에서 Philips는 의료 영상 재구성 및 해석, 워크플로 관리, 치료 최적화를 위한 다양한 ML 애플리케이션을 개발했습니다. 또한 환자 모니터링, 영상 유도 치료, 초음파 및 개인 건강 팀에서는 ML 알고리즘과 애플리케이션을 개발해 왔습니다. 그러나 팀 전체에 분산된 AI 개발 환경을 사용함으로써 혁신이 방해를 받았습니다. 이러한 환경은 개별 노트북 및 데스크탑부터 다양한 온프레미스 컴퓨팅 클러스터 및 클라우드 기반 인프라에 이르기까지 다양했습니다. 이러한 이질성으로 인해 처음에는 여러 팀이 초기 AI 개발 노력을 빠르게 진행할 수 있었지만 지금은 AI 개발 프로세스의 효율성을 확장하고 개선할 수 있는 기회를 가로막고 있습니다.
Philips에서 데이터 기반 노력의 잠재력을 실제로 활용하려면 통합되고 표준화된 환경으로의 근본적인 전환이 필수적이라는 것이 분명했습니다.
주요 AI/ML 사용 사례 및 플랫폼 요구 사항
AI/ML 지원 제안은 임상의가 수행하는 관리 작업을 자동화하여 의료를 혁신할 수 있습니다. 예를 들어:
- AI는 의료 영상을 분석해 방사선 전문의가 질병을 더 빠르고 정확하게 진단할 수 있도록 돕습니다.
- AI는 환자 데이터를 분석하고 사전 예방적 치료를 개선하여 미래의 의료 사건을 예측할 수 있습니다.
- AI는 환자의 요구에 맞는 맞춤형 치료법을 추천할 수 있다
- AI는 임상 노트에서 정보를 추출하고 구조화하여 기록 작성을 더욱 효율적으로 만들 수 있습니다.
- AI 인터페이스는 쿼리, 미리 알림 및 증상 검사기에 대한 환자 지원을 제공할 수 있습니다.
전반적으로 AI/ML은 인적 오류 감소, 시간 및 비용 절감, 환자 경험 최적화, 시기적절한 맞춤형 개입을 약속합니다.
ML 개발 및 배포 플랫폼의 주요 요구 사항 중 하나는 다음 그림에 표시된 것처럼 지속적인 반복 개발 및 배포 프로세스를 지원하는 플랫폼의 기능이었습니다.
AI 자산 개발은 데이터를 수집하고 선별한 후 모델을 교육하고 검증하는 실험실 환경에서 시작됩니다. 모델이 준비되고 사용이 승인되면 실제 생산 시스템에 배포됩니다. 일단 배포되면 모델 성능이 지속적으로 모니터링됩니다. 실제 성능과 피드백은 결국 모델 교육 및 배포의 완전 자동화를 통해 추가 모델 개선에 사용됩니다.
보다 자세한 AI ToolSuite 요구 사항은 세 가지 사용 사례에 따라 결정되었습니다.
- 에지에서의 객체 감지를 목표로 하는 컴퓨터 비전 애플리케이션을 개발합니다. 데이터 과학 팀은 AI 기반의 자동화된 이미지 주석 워크플로가 시간이 많이 소요되는 라벨링 프로세스의 속도를 높일 것으로 기대했습니다.
- 데이터 과학 팀이 여러 의료 부서의 통계를 벤치마킹하기 위해 기존 ML 모델 제품군을 관리할 수 있도록 지원합니다. 이 프로젝트에는 모델 배포, 실험 추적, 모델 모니터링의 자동화와 향후 감사 및 재교육을 위해 전체 프로세스에 대한 더 많은 제어가 필요했습니다.
- 진단 의료 영상 분야의 딥 러닝 모델의 품질과 출시 기간을 개선합니다. 기존 컴퓨팅 인프라에서는 많은 실험을 동시에 실행할 수 없었기 때문에 모델 개발이 지연되었습니다. 또한 규제 목적을 위해서는 몇 년 동안 모델 학습을 완전히 재현할 수 있어야 합니다.
비기능적 요구사항
확장 가능하고 강력한 AI/ML 플랫폼을 구축하려면 비기능적 요구 사항을 신중하게 고려해야 합니다. 이러한 요구 사항은 플랫폼의 특정 기능을 넘어 다음 사항을 보장하는 데 중점을 둡니다.
- 확장성 – AI ToolSuite 플랫폼은 플랫폼이 성능 저하 없이 증가하는 데이터, 사용자 및 AI/ML 워크로드를 처리할 수 있도록 Philips의 통찰력 생성 인프라를 보다 효과적으로 확장할 수 있어야 합니다. 중앙 리소스 관리를 제공하는 동시에 증가하는 수요를 원활하게 충족할 수 있도록 수평 및 수직으로 확장되도록 설계해야 합니다.
- 퍼포먼스 – 플랫폼은 복잡한 AI/ML 알고리즘을 효율적으로 처리하기 위해 고성능 컴퓨팅 기능을 제공해야 합니다. SageMaker는 모델 교육 및 추론 작업을 크게 가속화할 수 있는 강력한 GPU가 포함된 인스턴스를 포함하여 다양한 인스턴스 유형을 제공합니다. 또한 실시간 또는 거의 실시간에 가까운 결과를 제공하려면 대기 시간과 응답 시간을 최소화해야 합니다.
- 신뢰성 – 플랫폼은 여러 가용 영역에 걸쳐 매우 안정적이고 강력한 AI 인프라를 제공해야 합니다. 이 다중 AZ 아키텍처는 서로 다른 데이터 센터에 리소스와 워크로드를 분산하여 중단 없는 AI 운영을 보장해야 합니다.
- 유효성 – 플랫폼은 유지 관리 및 업그레이드를 위한 가동 중지 시간을 최소화하면서 연중무휴 24시간 사용할 수 있어야 합니다. AI ToolSuite의 고가용성에는 로드 밸런싱, 내결함성 아키텍처 및 사전 모니터링이 포함되어야 합니다.
- 보안 및 거버넌스 – 플랫폼은 비정상적인 활동에 대한 지속적인 모니터링과 보안 감사 수행을 통해 강력한 보안 조치, 암호화, 액세스 제어, 전용 역할 및 인증 메커니즘을 채택해야 합니다.
- 데이터 관리 – AI/ML 플랫폼에서는 효율적인 데이터 관리가 중요합니다. 의료 산업의 규정은 특히 엄격한 데이터 거버넌스를 요구합니다. 정확하고 신뢰할 수 있는 결과를 보장하려면 데이터 버전 관리, 데이터 계보, 데이터 거버넌스, 데이터 품질 보증과 같은 기능이 포함되어야 합니다.
- 상호 운용성 – 플랫폼은 Philips의 내부 데이터 저장소와 쉽게 통합되도록 설계되어 타사 애플리케이션과 원활한 데이터 교환 및 협업이 가능해야 합니다.
- 유지 보수성 – 플랫폼의 아키텍처와 코드 베이스는 잘 구성되고, 모듈식이며, 유지 관리가 가능해야 합니다. 이를 통해 Philips ML 엔지니어와 개발자는 전체 시스템을 중단하지 않고도 업데이트, 버그 수정 및 향후 개선 사항을 제공할 수 있습니다.
- 리소스 최적화 – 플랫폼은 컴퓨팅 리소스가 효율적으로 사용되고 수요에 따라 동적으로 리소스를 할당할 수 있도록 사용률 보고서를 매우 면밀히 모니터링해야 합니다. 또한 Philips는 AWS Billing and Cost Management 도구를 사용하여 사용률이 할당된 임계값을 초과할 때 팀이 알림을 받을 수 있도록 해야 합니다.
- 모니터링 및 로깅 – 플랫폼은 다음을 사용해야 합니다. 아마존 클라우드 워치 시스템 성능을 추적하고, 병목 현상을 식별하고, 문제를 효과적으로 해결하는 데 필요한 포괄적인 모니터링 및 로깅 기능에 대한 경고입니다.
- 컴플라이언스 – 플랫폼은 또한 AI 지원 제안의 규제 준수를 개선하는 데 도움이 될 수 있습니다. 재현성과 추적성은 데이터 계보 보고서 및 모델 카드와 같은 많은 필수 문서 아티팩트를 자동으로 준비할 수 있는 엔드투엔드 데이터 처리 파이프라인에 의해 자동으로 활성화되어야 합니다.
- 테스트 및 검증 – AI/ML 모델의 정확성과 신뢰성을 보장하고 의도하지 않은 편견을 방지하려면 엄격한 테스트 및 검증 절차가 마련되어 있어야 합니다.
솔루션 개요
AI ToolSuite는 Philips HealthSuite 보안 및 개인정보 보호 가드레일과 Philips 생태계 통합을 통해 기본 SageMaker 및 관련 AI/ML 서비스를 제공하는 엔드투엔드, 확장 가능, 빠른 시작 AI 개발 환경입니다. 전용 액세스 권한 세트를 가진 세 가지 페르소나가 있습니다.
- 데이터 과학자 – 협업 작업 공간에서 데이터를 준비하고 모델을 개발 및 교육합니다.
- ML 엔지니어 – 모델 배포, 모니터링 및 유지 관리를 통해 ML 애플리케이션을 생산합니다.
- 데이터 과학 관리자 – 팀 요청별로 프로젝트를 생성하여 사용 사례별 템플릿으로 격리된 전용 환경을 제공합니다.
플랫폼 개발은 검색, 설계, 구축, 테스트 및 배포의 반복 주기에서 여러 릴리스 주기에 걸쳐 이루어졌습니다. 일부 애플리케이션의 고유성으로 인해 플랫폼을 확장하려면 데이터 저장소나 주석을 위한 독점 도구와 같은 기존 사용자 정의 구성 요소를 내장해야 했습니다.
다음 그림은 첫 번째 레이어인 기본 인프라, 두 번째 레이어인 일반 ML 구성 요소, 세 번째 레이어인 프로젝트별 템플릿을 포함하여 AI ToolSuite의 XNUMX개 레이어 아키텍처를 보여줍니다.
레이어 1에는 기본 인프라가 포함됩니다.
- 고가용성을 갖춘 인터넷에 대한 매개변수화된 액세스를 제공하는 네트워킹 계층
- 코드형 인프라(IaC)를 사용한 셀프 서비스 프로비저닝
- IDE(통합 개발 환경)를 사용하는 아마존 세이지 메이커 스튜디오 도메인
- 플랫폼 역할(데이터 과학 관리자, 데이터 과학자)
- 유물 보관
- 관찰 가능성을 위한 로깅 및 모니터링
레이어 2에는 일반적인 ML 구성요소가 포함되어 있습니다.
- 모든 작업 및 파이프라인에 대한 자동화된 실험 추적
- 새로운 모델 빌드 업데이트를 시작하기 위한 모델 빌드 파이프라인
- 모델 훈련, 평가, 등록으로 구성된 모델 훈련 파이프라인
- 최종 테스트 및 승인을 위해 모델을 배포하는 모델 배포 파이프라인
- 모델 버전을 쉽게 관리할 수 있는 모델 레지스트리
- SageMaker Studio 사용자에게 할당하기 위해 특정 사용 사례를 위해 특별히 생성된 프로젝트 역할
- 프로젝트용으로 구축된 처리, 교육 및 추론 컨테이너 이미지를 저장하기 위한 이미지 저장소
- 코드 아티팩트를 저장하는 코드 저장소
- 프로젝트 아마존 단순 스토리지 서비스 (Amazon S3) 버킷은 모든 프로젝트 데이터와 아티팩트를 저장합니다.
레이어 3에는 새 프로젝트에 필요한 대로 사용자 정의 구성 요소를 사용하여 생성할 수 있는 프로젝트별 템플릿이 포함되어 있습니다. 예를 들어:
- 1 템플릿 – 데이터 쿼리 및 기록 추적을 위한 구성 요소가 포함되어 있습니다.
- 2 템플릿 – 독점 주석 도구를 사용하기 위한 사용자 정의 주석 작업 흐름을 갖춘 데이터 주석용 구성 요소가 포함되어 있습니다.
- 3 템플릿 – 개발 환경과 훈련 루틴, 전용 HPC 파일 시스템, 사용자를 위한 로컬 IDE에서의 액세스를 모두 사용자 정의하기 위한 사용자 정의 컨테이너 이미지용 구성 요소가 포함되어 있습니다.
다음 다이어그램은 개발, 준비 및 생산을 위해 여러 AWS 계정에 걸쳐 있는 주요 AWS 서비스를 강조합니다.
다음 섹션에서는 SageMaker를 포함하여 AWS 서비스가 지원하는 플랫폼의 주요 기능에 대해 논의합니다. AWS 서비스 카탈로그, 클라우드워치, AWS 람다, Amazon Elastic Container Registry (아마존 ECR), 아마존 S3, AWS 자격 증명 및 액세스 관리 (IAM) 및 기타.
코드형 인프라
플랫폼은 Philips가 인프라 리소스의 프로비저닝 및 관리를 자동화할 수 있도록 하는 IaC를 사용합니다. 이 접근 방식은 개발, 테스트 또는 생산을 위한 재현성, 확장성, 버전 제어, 일관성, 보안 및 이식성에도 도움이 됩니다.
AWS 환경에 대한 액세스
SageMaker 및 관련 AI/ML 서비스는 데이터 준비, 모델 개발, 교육, 주석 및 배포를 위한 보안 가드레일을 통해 액세스됩니다.
고립과 협업
플랫폼은 별도로 저장하고 처리하여 데이터 격리를 보장하여 무단 액세스 또는 데이터 침해의 위험을 줄입니다.
이 플랫폼은 일반적으로 데이터 과학자, 데이터 과학 관리자, MLOps 엔지니어 등 다양한 기능을 수행하는 팀이 참여하는 AI 프로젝트에 필수적인 팀 협업을 촉진합니다.
역할 기반 액세스 제어
역할 기반 액세스 제어(RBAC)는 구조화된 방식으로 역할과 권한을 정의하여 권한을 관리하고 액세스 관리를 단순화하는 데 필수적입니다. 팀과 프로젝트가 성장함에 따라 권한을 관리하고 데이터 과학 관리자, 데이터 과학자, 주석 관리자, 주석 작성자, MLOps 엔지니어 등 AWS AI/ML 프로젝트와 관련된 다양한 인물에 대한 액세스 제어를 간편하게 관리할 수 있습니다.
데이터 저장소에 대한 액세스
이 플랫폼을 사용하면 SageMaker가 데이터 저장소에 액세스할 수 있으므로 여러 스토리지 위치에 걸쳐 데이터를 복제하거나 이동할 필요 없이 모델 교육 및 추론에 데이터를 효율적으로 활용할 수 있으므로 리소스 활용도가 최적화되고 비용이 절감됩니다.
Philips 전용 주석 도구를 사용한 주석
AWS는 SageMaker와 같은 AI 및 ML 서비스 제품군을 제공합니다. 아마존 세이지 메이커 그라운드 진실및 아마존 코 그니 토, Philips 전용 사내 주석 도구와 완벽하게 통합되어 있습니다. 이 통합을 통해 개발자는 AWS 환경 내에서 주석이 달린 데이터를 사용하여 ML 모델을 교육하고 배포할 수 있습니다.
ML 템플릿
AI ToolSuite 플랫폼은 다양한 ML 워크플로를 위해 AWS에서 템플릿을 제공합니다. 이러한 템플릿은 특정 ML 사용 사례에 맞게 사전 구성된 인프라 설정이며 다음과 같은 서비스를 통해 액세스할 수 있습니다. SageMaker 프로젝트 템플릿, AWS 클라우드 포메이션및 서비스 카탈로그.
필립스 GitHub와 통합
GitHub와의 통합은 버전 제어, 코드 검토 및 자동화된 CI/CD(지속적 통합 및 지속적인 배포) 파이프라인을 위한 중앙 집중식 플랫폼을 제공하고 수동 작업을 줄이고 생산성을 높여 효율성을 향상시킵니다.
Visual Studio 코드 통합
Visual Studio Code와의 통합은 ML 프로젝트 코딩, 디버깅 및 관리를 위한 통합 환경을 제공합니다. 이는 전체 ML 워크플로를 간소화하여 컨텍스트 전환을 줄이고 시간을 절약합니다. 또한 통합을 통해 팀 구성원이 친숙한 개발 환경 내에서 SageMaker 프로젝트를 함께 작업하고, 버전 제어 시스템을 활용하고, 코드와 노트북을 원활하게 공유할 수 있으므로 팀 구성원 간의 협업이 향상됩니다.
재현성과 규정 준수를 위한 모델 및 데이터 계보와 추적성
플랫폼은 시간이 지남에 따라 데이터 과학자의 교육 및 추론 데이터에 대한 변경 사항을 추적하는 데 도움이 되는 버전 관리를 제공하므로 결과를 더 쉽게 재현하고 데이터 세트의 발전을 이해할 수 있습니다.
또한 이 플랫폼은 SageMaker 실험 추적을 지원하므로 최종 사용자는 하이퍼파라미터, 입력 데이터, 코드 및 모델 아티팩트를 포함하여 ML 실험과 관련된 모든 메타데이터를 기록하고 추적할 수 있습니다. 이러한 기능은 규제 표준 준수를 입증하고 AI/ML 워크플로의 투명성과 책임성을 보장하는 데 필수적입니다.
규정 준수를 위한 AI/ML 사양 보고서 생성
AWS는 다양한 산업 표준 및 규정에 대한 규정 준수 인증을 유지합니다. AI/ML 사양 보고서는 규제 요구 사항 준수를 보여주는 필수 규정 준수 문서 역할을 합니다. 이 보고서는 데이터 세트, 모델 및 코드의 버전 관리를 문서화합니다. 버전 제어는 데이터 계보, 추적성, 재현성을 유지하는 데 필수적이며, 이는 모두 규정 준수 및 감사에 중요합니다.
프로젝트 수준의 예산 관리
프로젝트 수준 예산 관리를 통해 조직은 지출 한도를 설정하여 예상치 못한 비용을 방지하고 ML 프로젝트가 예산 범위 내에서 유지되도록 할 수 있습니다. 예산 관리를 통해 조직은 개별 프로젝트나 팀에 특정 예산을 할당할 수 있으며, 이는 팀이 리소스 비효율성이나 예상치 못한 비용 급증을 조기에 식별하는 데 도움이 됩니다. 예산 관리 외에도 유휴 노트북을 자동으로 종료하는 기능을 통해 팀 구성원은 사용하지 않는 리소스에 대한 비용을 지불하지 않고, 적극적으로 사용하지 않는 귀중한 리소스를 해제하여 다른 작업이나 사용자가 사용할 수 있도록 합니다.
결과
AI ToolSuite는 Philips의 데이터 과학자를 위한 ML 개발 및 배포를 위한 전사적 플랫폼으로 설계 및 구현되었습니다. 설계 및 개발 과정에서 모든 사업부의 다양한 요구 사항을 수집하고 고려했습니다. 프로젝트 초기에 Philips는 비즈니스 팀에서 피드백을 제공하고 플랫폼 가치 평가에 도움을 준 챔피언을 식별했습니다.
다음과 같은 결과가 달성되었습니다.
- 사용자 채택은 Philips의 주요 선행 지표 중 하나입니다. 여러 사업부의 사용자가 교육을 받고 플랫폼에 온보딩되었으며, 그 숫자는 2024년에 증가할 것으로 예상됩니다.
- 또 다른 중요한 지표는 데이터 과학 사용자의 효율성입니다. AI ToolSuite를 사용하면 며칠이 아닌 XNUMX시간 이내에 새로운 ML 개발 환경이 배포됩니다.
- 데이터 과학 팀은 확장 가능하고 안전하며 비용 효율적인 클라우드 기반 컴퓨팅 인프라에 액세스할 수 있습니다.
- 팀에서는 여러 모델 훈련 실험을 동시에 실행할 수 있어 평균 훈련 시간이 몇 주에서 1~3일로 크게 단축되었습니다.
- 환경 배포가 완전히 자동화되었기 때문에 클라우드 인프라 엔지니어의 개입이 사실상 필요하지 않아 운영 비용이 절감되었습니다.
- AI ToolSuite를 사용하면 의료 산업의 규정 준수에 중요한 우수한 ML 사례, 표준화된 워크플로 및 엔드투엔드 재현성의 사용을 촉진하여 데이터 및 AI 결과물의 전반적인 성숙도가 크게 향상되었습니다.
생성 AI에 대한 기대
조직이 차세대 AI 기술을 채택하기 위해 경쟁함에 따라 조직의 보안 및 거버넌스 정책의 맥락에서 새로운 기술을 채택하는 것이 필수적입니다. AI ToolSuite의 아키텍처는 Philips의 다양한 팀이 AWS의 생성적 AI 기능에 액세스할 수 있도록 지원하는 탁월한 청사진을 제공합니다. 팀은 다음을 통해 제공되는 기초 모델을 사용할 수 있습니다. Amazon SageMaker 점프스타트, Hugging Face 및 기타 제공업체에서 제공하는 수많은 오픈 소스 모델을 제공합니다. 액세스 제어, 프로젝트 프로비저닝 및 비용 제어 측면에서 필요한 가드레일이 이미 마련되어 있으므로 팀은 SageMaker 내에서 생성 AI 기능을 원활하게 사용할 수 있습니다.
추가로, 아마존 기반암생성 AI를 위한 완전 관리형 API 기반 서비스인 는 프로젝트 요구 사항에 따라 개별 계정에 대해 프로비저닝할 수 있으며 사용자는 SageMaker 노트북 인터페이스 또는 선호하는 IDE를 통해 Amazon Bedrock API에 액세스할 수 있습니다.
의료와 같은 규제된 환경에서 생성 AI를 채택하는 것과 관련하여 추가 고려 사항이 있습니다. 관련 위험 및 비용에 비해 생성 AI 애플리케이션이 창출하는 가치를 신중하게 고려해야 합니다. 또한 조직의 생성 AI 기술 사용을 관리하는 위험 및 법적 프레임워크를 만들 필요도 있습니다. 데이터 보안, 편견 및 공정성, 규정 준수와 같은 요소를 이러한 메커니즘의 일부로 고려해야 합니다.
결론
Philips는 데이터 기반 알고리즘의 힘을 활용하여 의료 솔루션에 혁신을 가져오는 여정을 시작했습니다. 수년에 걸쳐 진단 이미징의 혁신을 통해 이미지 재구성부터 워크플로 관리 및 치료 최적화에 이르기까지 여러 ML 애플리케이션이 탄생했습니다. 그러나 개별 노트북부터 온프레미스 클러스터 및 클라우드 인프라에 이르기까지 다양한 설정으로 인해 엄청난 문제가 발생했습니다. 별도의 시스템 관리, 보안 조치, 지원 메커니즘 및 데이터 프로토콜로 인해 TCO에 대한 포괄적인 관점과 팀 간의 복잡한 전환이 방해되었습니다. 연구 개발에서 생산으로의 전환은 계보와 재현성이 부족하여 지속적인 모델 재교육이 어려워졌습니다.
Philips와 AWS 간의 전략적 협력의 일환으로 AI ToolSuite 플랫폼은 SageMaker를 사용하여 확장 가능하고 안전하며 규정을 준수하는 ML 플랫폼을 개발하기 위해 만들어졌습니다. 이 플랫폼은 실험, 데이터 주석, 교육, 모델 배포, 재사용 가능한 템플릿 등 다양한 기능을 제공합니다. 이러한 모든 기능은 검색, 설계, 구축, 테스트 및 배포의 여러 주기에 걸쳐 반복적으로 구축되었습니다. 이는 여러 사업부가 중앙 제어를 통해 대규모로 관리하면서 속도와 민첩성으로 혁신하는 데 도움이 되었습니다.
이 여정은 AI와 ML의 힘을 활용하여 의료 분야의 혁신과 효율성을 촉진하고 궁극적으로 전 세계 환자와 의료 서비스 제공자에게 혜택을 주려는 조직에 영감을 줍니다. 필립스는 이러한 성공을 계속 이어가면서 혁신적인 AI 지원 솔루션을 통해 건강 결과를 개선하는 데 더욱 큰 진전을 이룰 준비가 되어 있습니다.
AWS에서의 Philips 혁신에 대해 자세히 알아보려면 다음을 방문하십시오. AWS의 필립스.
저자 소개
프랭크 워테나 Philips Innovation & Strategy의 프로그램 관리자입니다. 그는 Philips 데이터 및 AI 지원 제안을 지원하기 위해 데이터 및 AI 관련 플랫폼 자산을 조정합니다. 그는 인공 지능, 데이터 과학 및 상호 운용성 분야에서 폭넓은 경험을 갖고 있습니다. 여가 시간에는 Frank는 달리기, 독서, 조정을 즐기며 가족과 함께 시간을 보냅니다.
이리나 페둘로바 Philips Innovation & Strategy의 주요 데이터 및 AI 책임자입니다. 그녀는 Philips에서 (제너레이티브) AI 지원 솔루션의 개발 및 제품화 속도를 높이고 확장하는 도구, 플랫폼 및 모범 사례에 초점을 맞춘 전략적 활동을 주도하고 있습니다. Irina는 기계 학습, 클라우드 컴퓨팅 및 소프트웨어 엔지니어링 분야에서 강력한 기술 배경을 보유하고 있습니다. 업무 외 시간에는 가족과 함께 여행하고 독서하는 것을 즐깁니다.
셀바쿠마르 팔라니야판 Philips Innovation & Strategy의 제품 소유자이며 Philips HealthSuite AI 및 ML 플랫폼의 제품 관리를 담당하고 있습니다. 그는 기술 제품 관리 및 소프트웨어 엔지니어링 분야에 풍부한 경험을 갖고 있습니다. 그는 현재 확장 가능하고 규정을 준수하는 AI 및 ML 개발 및 배포 플랫폼을 구축하기 위해 노력하고 있습니다. 또한 그는 AI 기반 의료 시스템 및 솔루션을 개발하기 위해 Philips의 데이터 과학 팀의 채택을 주도하고 있습니다.
아드난 엘치 AWS Professional Services의 수석 클라우드 인프라 설계자입니다. 그는 기술 책임자로서 의료 및 생명 과학, 금융, 항공 및 제조 분야의 고객을 위한 다양한 운영을 감독합니다. 자동화에 대한 그의 열정은 AWS 환경 내에서 엔터프라이즈 수준 고객 솔루션을 설계, 구축 및 구현하는 데 광범위하게 참여한다는 점에서 분명합니다. 전문적인 약속 외에도 Adnan은 자원 봉사 활동에 적극적으로 헌신하여 지역 사회 내에서 의미 있고 긍정적인 영향을 미치기 위해 노력하고 있습니다.
하산 푸나 왈라 AWS의 수석 AI/ML 전문가 솔루션 아키텍트인 Hasan은 고객이 AWS의 프로덕션 환경에서 기계 학습 애플리케이션을 설계하고 배포할 수 있도록 지원합니다. 그는 데이터 과학자, 기계 학습 실무자 및 소프트웨어 개발자로서 12년 이상의 경력을 가지고 있습니다. 여가 시간에 Hasan은 자연을 탐험하고 친구 및 가족과 함께 시간을 보내는 것을 좋아합니다.
스레오시 로이 AWS의 수석 글로벌 참여 관리자입니다. 의료 및 생명 과학 고객의 비즈니스 파트너로서 그녀는 복잡한 비즈니스 문제에 대한 솔루션을 정의하고 제공하는 데 있어서 비교할 수 없는 경험을 갖고 있습니다. 그녀는 고객이 전략적 목표를 설정하고, 클라우드/데이터 전략을 정의 및 설계하고, 기술 및 비즈니스 목표를 달성하기 위해 확장되고 강력한 솔루션을 구현하도록 돕습니다. 전문적인 노력 외에도 그녀의 헌신은 공감을 키우고 포용성을 촉진하여 사람들의 삶에 의미 있는 영향을 미치는 데 있습니다.
와자하트 아지즈 AWS 의료 및 생명 과학 팀의 AI/ML 및 HPC 리더입니다. 생명 과학 조직에서 다양한 역할을 맡아 기술 리더로 활동한 Wajahat은 자신의 경험을 활용하여 의료 및 생명 과학 고객이 AWS 기술을 활용하여 최첨단 ML 및 HPC 솔루션을 개발할 수 있도록 돕습니다. 그의 현재 초점 분야는 초기 연구, 임상 시험 및 개인 정보 보호 기계 학습입니다.
비올레타 스토비니에츠카 AWS Professional Services의 데이터 과학자입니다. 전문 경력을 쌓는 동안 그녀는 은행, 보험, 통신 및 공공 부문과 같은 다양한 산업에 대한 여러 분석 중심 프로젝트를 제공했습니다. 고급 통계 방법 및 기계 학습에 대한 그녀의 지식은 비즈니스 통찰력과 잘 결합됩니다. 그녀는 고객을 위한 가치를 창출하기 위해 최신 AI 발전을 가져옵니다.
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
- PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
- PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
- 출처: https://aws.amazon.com/blogs/machine-learning/philips-accelerates-development-of-ai-enabled-healthcare-solutions-with-an-mlops-platform-built-on-amazon-sagemaker/
- :있다
- :이다
- :아니
- :어디
- $UP
- 1
- 100
- 12
- 120
- 2014
- 2024
- 7
- 87
- a
- 능력
- 할 수 있는
- 소개
- 가속
- 가속하다
- ACCESS
- 데이터에 액세스
- 액세스
- 얻기 쉬운
- 책임
- 계정
- 정확한
- 달성
- 가로질러
- 실행 가능한
- 활발히
- 방과 후 액티비티
- 축적하다
- 또한
- 추가
- 부착
- 관리자
- 관리
- 관리
- 채택
- 양자
- 많은
- 발전
- 반대
- AI
- AI / ML
- 겨냥한
- 알림
- 연산
- 알고리즘
- All
- 할당
- 할당
- 수
- 허용
- 수
- 이미
- 또한
- 아마존
- 아마존 세이지 메이커
- Amazon Web Services
- 중
- 양
- an
- 분석
- 분석하다
- 분석하는
- 및
- API
- 어플리케이션
- 어플리케이션
- 접근
- 인가 된
- 아키텍처
- 있군요
- 지역
- 인조의
- 인공 지능
- 인공 지능(AI)
- AS
- 유산
- 자산
- 할당 된
- 관련
- 보증
- At
- 감사
- 감사
- 인증
- 자동화
- 자동화
- 자동적으로
- 자동화
- 자동화
- 유효성
- 가능
- 평균
- 비행
- 피하기
- AWS
- AWS 전문 서비스
- 뒤로
- 배경
- 균형
- 은행
- 기지
- 기반으로
- BE
- 된
- 행동
- 벤치마킹
- 유익한
- BEST
- 모범 사례
- 사이에
- 그 너머
- 바이어스
- 편견
- 청구
- 블로그
- 청사진
- 후원
- 증폭
- 두
- 병목 현상
- 위반
- 돋보이게
- 넓은
- 예산
- 예산
- 곤충
- 빌드
- 건물
- 내장
- 사업
- 비자 면제 프로그램에 해당하는 국가의 시민권을 가지고 있지만
- by
- 전화
- CAN
- 기능
- 생산 능력
- 카드
- 한
- 채용
- 주의
- 케이스
- 가지 경우
- 목록
- 센터
- 중심적인
- 중앙
- 인증
- 과제
- 챔피언스
- 변경
- 요금
- 고전적인
- 클라이언트
- 객관적인
- 임상 시험
- 임상
- 면밀히
- 클라우드
- 클라우드 컴퓨팅
- 클라우드 인프라
- 암호
- 코드베이스
- 코딩
- 협동
- 협력
- 결합 된
- 제공
- 약속
- 공통의
- 커뮤니티
- 기업
- 회사
- 복잡한
- compliance
- 준수
- 복잡한
- 구성 요소
- 구성 요소들
- 포괄적 인
- 구성
- 계산
- 계산
- 컴퓨터
- 컴퓨터 비전
- 컴퓨팅
- 에 관하여
- 결론
- 전도
- 연결
- 고려
- 고려 사항
- 고려
- 컨테이너
- 이 포함되어 있습니다
- 문맥
- 계속
- 끊임없는
- 지속적으로
- 연속체
- 제어
- 컨트롤
- 핵심
- 비용
- 원가 관리
- 비용 절감
- 비용
- 적용 범위
- 만들
- 가치 창출
- 만든
- 만들기
- 창조
- 임계
- 다기능 팀
- 결정적인
- 기획
- Current
- 현재
- 관습
- 고객
- 고객 경험
- 고객 솔루션
- 고객
- 사용자 정의
- 주기
- 주기
- 데이터
- 데이터 유출
- 데이터 센터
- 데이터 교환
- 데이터 관리
- 데이터 준비
- 데이터 처리
- 데이터 과학
- 데이터 과학자
- 데이터 보안
- 데이터 중심
- 데이터 세트
- 일
- 전용
- 헌신
- 깊은
- 깊은 학습
- 밝히다
- 정의
- 지연
- 배달하다
- 전달
- 배달
- 수요
- 요구
- 시연하는
- 배포
- 배포
- 전개
- 배포
- 설명
- 디자인
- 설계
- 설계
- 상세한
- Detection System
- 개발
- 개발
- 개발자
- 개발자
- 개발
- 개발
- 진단
- 진단 이미징
- 진단
- 다른
- 어려운
- 발견
- 토론
- 질병
- 뚜렷한
- 배포
- 몇몇의
- 의사
- 문서
- 선적 서류 비치
- 도메인
- 도메인
- 한
- 아래 (down)
- 중단 시간
- 수십
- 드라이브
- 구동
- 드라이버
- 운전
- 두
- ...동안
- 역동적 인
- 초기의
- 쉽게
- 용이하게
- 생태계
- Edge
- 효과적으로
- 효율성
- 효율적인
- 효율적으로
- 노력
- 중
- 요소
- 착수
- 임베딩
- 감정 이입
- 가능
- 사용 가능
- 수
- 가능
- 암호화
- end
- 끝으로 종료
- 노력
- 약혼
- 기사
- 엔지니어링
- 엔지니어
- 강화
- 강화
- 향상
- 강화
- 확인
- 보장
- 보장
- Enterprise
- 열광
- 전체의
- 환경
- 환경
- 오류
- 특히
- 필수
- 평가
- 평가
- 조차
- 이벤트
- 있을뿐만 아니라
- 모든
- 분명한
- 진화
- 예
- 예
- 우수한
- 교환
- 현존하는
- 기대하는
- 경험
- 경험
- 체험
- 실험
- 실험
- 탐험
- 확장자
- 광대 한
- 추출물
- 페이스메이크업
- 을 용이하게
- 공평
- 익숙한
- 가족
- FAST
- 빠른
- 특색
- 특징
- 피드백
- 그림
- 입양 부모로서의 귀하의 적합성을 결정하기 위해 미국 이민국에
- 최후의
- 재원
- 먼저,
- 초점
- 집중
- 수행원
- 럭셔리
- 만만치 않은
- 앞으로
- 육성
- Foundation
- 조각난
- 뼈대
- 솔직한
- 친구
- 에
- 연료
- 가득 찬
- 충분히
- 기능성
- 기본적인
- 추가
- 게다가
- 미래
- 세대
- 생성적인
- 제너레이티브 AI
- GitHub의
- 주어진
- 글로벌
- Go
- 좋은
- 통치
- 통치
- 지배하다
- GPU
- 큰
- 육로
- 성장
- 성장하는
- 지도
- 안내를받은
- 핸들
- 마구
- 마구
- 있다
- 데
- he
- 건강
- 의료 시스템
- 건강 관리
- 의료 산업
- 도움
- 도움
- 도움이
- 도움이
- 그녀의
- 높은
- 고성능
- 하이라이트
- 고도로
- 그 자신
- 그의
- history
- 보유
- 수평으로
- 시간
- 방법
- 그러나
- HPC
- HTML
- HTTP
- HTTPS
- 사람의
- 확인
- 확인
- 식별
- 통합 인증
- 유휴
- 설명하다
- 영상
- 형상
- 영상
- 영향
- 피할 수 없는
- 구현
- 구현
- 구현
- 중대한
- 개선
- 개량
- 개선
- in
- 포함
- 포함
- 포함
- 포괄 성
- 증가
- 표시
- 개인
- 산업
- 산업
- 산업 표준
- 비 효율성
- 정보
- 인프라
- 처음에는
- 받아 들여 쓰다
- 혁신
- 혁신 전략
- 혁신적인
- 입력
- 통찰력
- 영감
- 예
- 를 받아야 하는 미국 여행자
- 보험
- 통합
- 통합 된
- 완성
- 통합
- 인텔리전스
- 인터페이스
- 인터페이스
- 내부의
- 인터넷
- 상호 운용성
- 해석
- 개입
- 으로
- 감다
- 참여
- 참여
- 이리나
- 외딴
- 격리
- 문제
- IT
- 되풀이
- 그
- 일
- 관절
- 여행
- JPG
- 유지
- 키
- 지식
- 실험실
- 레이블링
- 결핍
- 노트북
- 넓은
- 숨어 있음
- 시작
- 층
- 리드
- 리더
- 지도
- 배우다
- 배우기
- 이용약관
- 법적 프레임 워크
- 적게
- 레벨
- 이점
- 레버리지
- 거짓
- 생활
- 생명 과학
- 생명과학
- wifecycwe
- 처럼
- 제한
- 혈통
- 라인
- 살고있다
- 삶
- 하중
- 지방의
- 위치
- 기록
- 로깅
- 찾고
- loves
- 기계
- 기계 학습
- 만든
- 유지보수 가능
- 유지 보수
- 유지
- 유지
- 확인
- 제작
- 유튜브 영상을 만드는 것은
- 관리
- 관리
- 구축
- 관리 도구
- 매니저
- 관리
- 필수
- 태도
- 조작
- 제조
- .
- 시장
- 만기
- 의미있는
- 조치들
- 메커니즘
- 의료
- 소개
- 회원
- 메타 데이터
- 방법
- 메트릭
- 수백만
- 최소의
- ML
- MLOps
- 모델
- 모델
- 모듈러
- 모니터
- 모니터링
- 모니터링
- 배우기
- 움직임
- MRI
- 여러
- 다수
- 절대로 필요한 것
- 출신
- 자연
- 필요한
- 필요
- 요구
- 네트워킹
- 신제품
- 신규 사용자
- 다음 것
- 아니
- 수첩
- 노트
- 알림
- 지금
- 번호
- 대상
- 객체 감지
- 목표
- of
- 제공
- 제공
- on
- 온보드
- 일단
- ONE
- 지속적으로
- 열 수
- 오픈 소스
- 운영
- 운영
- 행정부
- 기회
- 최적의
- 최적화
- 최적화
- 최적화
- 최적화
- or
- 구두 건강
- 주문
- 조직
- 조직
- 최
- 기타
- 기타
- 우리의
- 결과
- 개요
- 외부
- 위에
- 전체
- 감독
- 소유자
- 평행
- 부품
- 파트너
- 파트너
- 파트너
- 패스
- 과거
- 환자
- 환자
- 지불하는
- 사람들
- 사람들의
- 용
- 성능
- 권한
- 확인
- 맞춤형 교육 플랫폼
- 개척
- 관로
- 장소
- 플랫폼
- 플랫폼
- 플라톤
- 플라톤 데이터 인텔리전스
- 플라토데이터
- 균형 잡힌
- 정책
- 이식성
- 제기
- 긍정적인
- 게시하다
- 가능성
- 힘
- 강한
- 사례
- 정확한
- 예측
- 선호하는
- 준비
- Prepare
- 준비
- 보존
- 압박
- 예방
- 교장
- 개인 정보 보호
- 사전
- 문제
- 절차
- 방법
- 프로세스
- 처리
- 프로덕트
- 제품 관리
- 생산
- 생산력
- 제품
- 링크를
- 프로그램
- 프로젝트
- 프로젝트 데이터
- 프로젝트
- 약속
- 홍보
- 소유권
- 프로토콜
- 제공
- 제공
- 제공
- 제공
- 제공
- 공개
- 목적
- 품질
- 쿼리
- 빠른
- 경주
- 범위
- 이르기까지
- 빠르게
- 읽기
- 준비
- 현실 세계
- 실시간
- 받다
- 최근
- 권하다
- 추천
- 감소
- 감소
- 레지스트리
- 규제
- 규정
- 규정하는
- 규제 준수
- 관련
- 공개
- 발매
- 신뢰성
- 신뢰할 수있는
- 먼
- 신고
- 보고서
- 저장소
- 의뢰
- 필수
- 요구조건 니즈
- 필요
- 연구
- 연구 및 개발
- 의지
- 제품 자료
- 응답
- 결과
- 재사용 가능한
- 리뷰
- 혁명적 인
- 엄밀한
- 위험
- 위험
- 강력한
- 직위별
- 역할
- 달리기
- 달리는
- 희생하는
- 현자
- 절약
- 저금
- 확장성
- 확장성
- 규모
- 과학
- 과학
- 과학자
- 과학자
- 원활한
- 완벽하게
- 둘째
- 섹션
- 부문
- 안전해야합니다.
- 보안
- 보안 감사
- 보안 조치
- 연장자
- 별도의
- 서브
- 봉사 한
- 봉사하다
- 서비스
- 서비스
- 세트
- 설정
- 설정
- 몇몇의
- 공유
- 그녀
- 변화
- 영상을
- 선보이는
- 표시
- 폐쇄
- 종료
- 크게
- 단순, 간단, 편리
- 단순화
- 이후
- 스마트 한
- So
- 소프트웨어
- 소프트웨어 공학
- 해결책
- 솔루션
- 일부
- 출처
- 지우면 좋을거같음 . SM
- 스패닝
- 스팬
- 주도
- 전문가
- 구체적인
- 구체적으로
- 명세서
- 속도
- 지출
- 지출
- 스파이크
- 각색
- 기준
- 서
- 스타트
- 시작
- 신생
- 최첨단
- 통계적인
- 통계
- 유지
- 저장
- 저장
- 상점
- 저장
- 똑 바른
- 전략의
- 전략들
- 전략
- 보폭
- 노력하다
- 강한
- 구조
- 구조화
- 스튜디오
- 성공
- 이러한
- 스위트
- SUPPORT
- 확인
- 징후
- 체계
- 시스템은
- 맞춤형
- 받아
- 작업
- 팀
- 참여 연구원
- 팀
- 기술
- 테크니컬
- 기술
- Technology
- 통신
- 텔레 헬스
- 템플릿
- 조건
- test
- 지원
- 보다
- 그
- XNUMXD덴탈의
- 미래
- 그들의
- 그들
- 그때
- 그곳에.
- 그것에 의하여
- Bowman의
- 그들
- 제삼
- 타사
- 이
- 세
- 임계값
- 을 통하여
- 도처에
- 시간
- 시간이 많이 걸리는
- 적시에
- 시대
- 에
- 함께
- 검색을
- 에 대한
- 추적
- 선로
- 추적
- Train
- 훈련 된
- 트레이닝
- 변환
- 전이
- 전환
- 투명도
- 여행
- 치료
- 시련
- 진정으로
- 유형
- 일반적으로
- 궁극적으로
- 무단의
- 이해
- 예기치 않은
- 통일
- 유일한
- 고유성
- 단위
- 대학
- 풀다
- 견줄 나위없는
- 미사용의
- 업데이트
- 업그레이드
- ...에
- 사용
- 유스 케이스
- 익숙한
- 사용자
- 사용
- 사용
- 사용
- 활용
- 검증 된
- 확인
- 가치 있는
- 가치
- 종류
- 여러
- 거대한
- 버전
- 수직으로
- 대단히
- 를 통해
- 관측
- 사실상
- 시력
- 방문
- 시각
- 음량
- 자원 봉사
- 였다
- we
- 웹
- 웹 서비스
- 주
- 잘
- 했다
- 언제
- 어느
- 동안
- 누구
- 넓은
- 넓은 범위
- 의지
- 과
- 이내
- 없이
- 작업
- 워크플로우
- 워크 플로우
- 일하는
- 전세계적인
- 년
- 굴복
- 제퍼 넷
- 지역