Whitepaper: Práticas recomendadas de aprendizado de máquina em saúde e ciências da vida

Para clientes que desejam implementar um ambiente compatível com GxP na AWS para sistemas de inteligência artificial (IA) e aprendizado de máquina (ML), lançamos um novo whitepaper: Melhores práticas de aprendizado de máquina em saúde e ciências biológicas.

Este whitepaper fornece uma visão geral de segurança e boas práticas de conformidade de ML e orientações sobre a construção de sistemas de IA/ML regulamentados por GxP usando serviços da AWS. Cobrimos os pontos levantados pelo FDA Documento de discussão e Boas práticas de aprendizado de máquina (GMLP), ao mesmo tempo que utiliza recursos da AWS: o whitepaper Sistemas GxP na AWS e os votos de Lente de aprendizado de máquina do AWS Well-Architected Framework. O whitepaper foi desenvolvido com base em nossa experiência e feedback de clientes farmacêuticos e de dispositivos médicos da AWS, bem como de parceiros da AWS, que atualmente usam serviços da AWS para desenvolver modelos de ML.

Os clientes de saúde e ciências biológicas (HCLS) estão adotando os serviços de IA e ML da AWS mais rapidamente do que nunca, mas também enfrentam os seguintes desafios regulatórios durante a implementação:

• Construir uma infraestrutura segura que esteja em conformidade com processos regulatórios rigorosos para trabalhar na nuvem pública e se alinhe à estrutura da FDA para IA e ML.
• Suporte a soluções habilitadas para IA/ML para cargas de trabalho GxP que abrangem o seguinte:
  • Reprodutibilidade
  • Rastreabilidade
  • Integridade de dados
• Monitoramento de modelos de ML em relação a diversas alterações em parâmetros e dados.
• Lidando com a incerteza do modelo e calibração de confiança.

No nosso whitepaper, você aprende sobre os seguintes tópicos:

• Como a AWS aborda o ML em um ambiente regulamentado e fornece orientação sobre boas práticas de aprendizado de máquina usando serviços da AWS.
• Nossa abordagem organizacional para segurança e conformidade que suporta os requisitos GxP como parte do modelo de responsabilidade compartilhada.
• Como reproduzir as etapas do fluxo de trabalho, rastrear a linhagem do modelo e do conjunto de dados e estabelecer governança e rastreabilidade do modelo.
• Como monitorar e manter a integridade dos dados e verificações de qualidade para detectar desvios nos dados e na qualidade do modelo.
• Práticas recomendadas de segurança e conformidade para gerenciar modelos de IA/ML na AWS.
• Vários serviços AWS para gerenciamento de modelos de ML em um ambiente regulamentado.

A AWS se dedica a ajudar você a usar com sucesso os serviços da AWS em ambientes regulamentados de ciências biológicas para acelerar sua pesquisa, desenvolvimento e entrega da próxima geração de soluções médicas, de saúde e de bem-estar.

Para entrar em contato conosco: com perguntas sobre o uso de serviços AWS para IA/ML em sistemas GxP. Para saber mais sobre conformidade na nuvem, visite Conformidade AWS. Você também pode verificar os seguintes recursos:

• Aplicando o modelo de responsabilidade compartilhada da AWS à sua solução GxP
• Automatizando a conformidade GxP na nuvem: práticas recomendadas e diretrizes de arquitetura
• Melhores práticas operacionais para IA e ML
• Apresentando a estrutura bem arquitetada para aprendizado de máquina
• Lente de aprendizado de máquina

Sobre os autores

Susan Mallick é especialista do setor e evangelista digital na prática global de saúde e ciências biológicas da AWS. Ele tem mais de 20 anos de experiência na indústria de Ciências da Vida, trabalhando com empresas biofarmacêuticas e de dispositivos médicos na América do Norte, regiões APAC e EMEA. Ele construiu muitas soluções de plataforma digital de saúde e engajamento de pacientes usando aplicativos móveis, IA/ML, IoT e outras tecnologias para clientes em diversas áreas terapêuticas. Ele possui bacharelado em Engenharia Elétrica e MBA em Finanças. Sua liderança inovadora e experiência no setor ganharam muitos elogios em fóruns da indústria farmacêutica.

Sai Sharanya Nalla é cientista de dados sênior na AWS Professional Services. Ela trabalha com clientes para desenvolver e implementar soluções de IA/ML e HPC na AWS. Nas horas vagas, ela gosta de ouvir podcasts e audiolivros, fazer longas caminhadas e participar de atividades de extensão.

• Coinsmart. A melhor troca de Bitcoin e criptografia da Europa.
• Platoblockchain. Inteligência Metaverso Web3. Conhecimento Ampliado. ACESSO LIVRE.
• CryptoHawk. Radar Altcoin. Teste grátis.
• Fonte: https://aws.amazon.com/blogs/machine-learning/whitepaper-machine-learning-best-practices-in-healthcare-and-life-sciences/