Oficjalny dokument: Najlepsze praktyki uczenia maszynowego w opiece zdrowotnej i naukach przyrodniczych

Dla klientów chcących wdrożyć środowisko zgodne z GxP na AWS dla systemów sztucznej inteligencji (AI) i uczenia maszynowego (ML), wydaliśmy nowy oficjalny dokument: Najlepsze praktyki uczenia maszynowego w opiece zdrowotnej i naukach przyrodniczych.

Ten oficjalny dokument zawiera przegląd praktyk w zakresie bezpieczeństwa i dobrych praktyk w zakresie zgodności z systemem ML oraz wskazówki dotyczące tworzenia systemów AI/ML regulowanych przez GxP przy użyciu usług AWS. Omawiamy kwestie podniesione przez FDA Dokument do dyskusji i Dobre praktyki uczenia maszynowego (GMLP), czerpiąc jednocześnie z zasobów AWS: oficjalny dokument Systemy GxP na platformie AWS oraz Obiektyw uczenia maszynowego z dobrze zaprojektowanego frameworku AWS. Biała księga została opracowana w oparciu o nasze doświadczenia i opinie klientów AWS zajmujących się urządzeniami farmaceutycznymi i medycznymi, a także partnerów AWS, którzy obecnie korzystają z usług AWS do opracowywania modeli ML.

Klienci z branży opieki zdrowotnej i nauk przyrodniczych (HCLS) wdrażają usługi AWS AI i ML szybciej niż kiedykolwiek wcześniej, ale podczas wdrażania stają przed nimi również następujące wyzwania regulacyjne:

• Budowanie bezpiecznej infrastruktury zgodnej z rygorystycznymi procesami regulacyjnymi dotyczącymi pracy w chmurze publicznej i dostosowanie się do ram FDA dotyczących sztucznej inteligencji i uczenia maszynowego.
• Obsługa rozwiązań obsługujących sztuczną inteligencję/ML dla obciążeń GxP obejmujących następujące elementy:
  • Odtwarzalność
  • Możliwość śledzenia
  • Integralność danych
• Monitorowanie modeli ML pod kątem różnych zmian parametrów i danych.
• Obsługa kalibracji niepewności i ufności modelu.

W naszym oficjalny dokument, poznasz następujące tematy:

• Jak AWS podchodzi do ML w regulowanym środowisku i zapewnia wytyczne dotyczące dobrych praktyk uczenia maszynowego przy użyciu usług AWS.
• Nasze organizacyjne podejście do bezpieczeństwa i zgodności, które wspiera wymagania GxP w ramach model współodpowiedzialności.
• Jak odtworzyć etapy przepływu pracy, śledzić pochodzenie modelu i zbioru danych oraz ustalić zarządzanie modelem i jego identyfikowalność.
• Jak monitorować i przeprowadzać kontrole integralności i jakości danych w celu wykrywania odchyleń w jakości danych i modelu.
• Najlepsze praktyki w zakresie bezpieczeństwa i zgodności w zakresie zarządzania modelami AI/ML w AWS.
• Różne usługi AWS do zarządzania modelami ML w regulowanym środowisku.

AWS ma na celu pomóc Ci w skutecznym korzystaniu z usług AWS w regulowanych środowiskach nauk przyrodniczych, aby przyspieszyć badania, rozwój i dostarczanie nowej generacji rozwiązań medycznych, zdrowotnych i wellness.

Kontakt z pytaniami dotyczącymi wykorzystania usług AWS dla AI/ML w systemach GxP. Aby dowiedzieć się więcej na temat zgodności w chmurze, odwiedź stronę Zgodność z AWS. Możesz także zapoznać się z następującymi zasobami:

• Zastosowanie modelu wspólnej odpowiedzialności AWS w rozwiązaniu GxP
• Automatyzacja zgodności z GxP w chmurze: najlepsze praktyki i wytyczne dotyczące architektury
• Najlepsze praktyki operacyjne w zakresie sztucznej inteligencji i uczenia maszynowego
• Przedstawiamy dobrze zaprojektowane środowisko uczenia maszynowego
• Obiektyw uczenia maszynowego

O autorach

Zuzanna Mallick jest specjalistą branżowym i ewangelistą cyfrowym w globalnej praktyce AWS w zakresie opieki zdrowotnej i nauk przyrodniczych. Ma ponad 20-letnie doświadczenie w branży Life Science, współpracując z firmami z branży biofarmaceutycznej i wyrobów medycznych w Ameryce Północnej, regionie APAC i EMEA. Zbudował wiele rozwiązań Digital Health Platform i Patient Engagement wykorzystujących aplikację mobilną, AI/ML, IoT i inne technologie dla klientów z różnych obszarów terapeutycznych. Posiada tytuł B.Tech w dziedzinie elektrotechniki oraz tytuł MBA w dziedzinie finansów. Jego przywództwo i wiedza branżowa zdobyły wiele wyróżnień na forach branży farmaceutycznej.

Sai Sharanya Nalla jest starszym analitykiem danych w AWS Professional Services. Współpracuje z klientami przy opracowywaniu i wdrażaniu rozwiązań AI/ML i HPC na AWS. W wolnym czasie lubi słuchać podcastów i audiobooków, chodzić na długie spacery i angażować się w działania społeczne.

• Coinsmart. Najlepsza w Europie giełda bitcoinów i kryptowalut.
• Platoblockchain. Web3 Inteligencja Metaverse. Wzmocniona wiedza. DARMOWY DOSTĘP.
• CryptoJastrząb. Radar Altcoin. Bezpłatna wersja próbna.
• Źródło: https://aws.amazon.com/blogs/machine-learning/whitepaper-machine-learning-best-practices-in-healthcare-and-life-sciences/