Acesta este un blog comun cu AWS și Philips.
Philips este o companie de tehnologie a sănătății axată pe îmbunătățirea vieții oamenilor prin inovații semnificative. Din 2014, compania oferă clienților platforma Philips HealthSuite, care orchestrează zeci de servicii AWS pe care companiile de asistență medicală și științele vieții le folosesc pentru a îmbunătăți îngrijirea pacienților. Colaborează cu furnizori de asistență medicală, startup-uri, universități și alte companii pentru a dezvolta tehnologie care îi ajută pe medici să facă diagnostice mai precise și să ofere un tratament mai personalizat pentru milioane de oameni din întreaga lume.
Unul dintre factorii cheie ai strategiei de inovare a Philips este inteligența artificială (AI), care permite crearea de produse și servicii inteligente și personalizate care pot îmbunătăți rezultatele în materie de sănătate, pot îmbunătăți experiența clienților și pot optimiza eficiența operațională.
Amazon SageMaker oferă instrumente special create pentru operațiunile de învățare automată (MLOps) pentru a ajuta la automatizarea și standardizarea proceselor de-a lungul ciclului de viață ML. Cu instrumentele SageMaker MLOps, echipele pot instrui, testa, depana, implementa și guverna cu ușurință modele ML la scară pentru a crește productivitatea oamenilor de știință de date și a inginerilor ML, menținând în același timp performanța modelului în producție.
În această postare, descriem modul în care Philips a colaborat cu AWS pentru a dezvolta AI ToolSuite — o platformă ML scalabilă, sigură și conformă pe SageMaker. Această platformă oferă capabilități variind de la experimentare, adnotare de date, instruire, implementări de modele și șabloane reutilizabile. Toate aceste capabilități sunt create pentru a ajuta mai multe linii de afaceri să inoveze cu viteză și agilitate, în timp ce guvernează la scară cu controale centrale. Prezintăm principalele cazuri de utilizare care au furnizat cerințe pentru prima iterație a platformei, componentele de bază și rezultatele obținute. Încheiem prin identificarea eforturilor în desfășurare pentru a permite platformei cu sarcini de lucru AI generative și pentru a integra rapid noi utilizatori și echipe pentru a adopta platforma.
Contextul clientului
Philips folosește inteligența artificială în diferite domenii, cum ar fi imagistică, diagnosticare, terapie, sănătate personală și îngrijire conectată. Câteva exemple de soluții AI activate pe care Philips le-a dezvoltat în ultimii ani sunt:
- Philips SmartSpeed – O tehnologie de imagistică bazată pe inteligență artificială pentru RMN, care utilizează un algoritm AI de învățare profundă bazat pe Compressed-SENSE pentru a duce viteza și calitatea imaginii la următorul nivel pentru o mare varietate de pacienți
- Philips eCareManager – O soluție de telesănătate care utilizează inteligența artificială pentru a sprijini îngrijirea și gestionarea de la distanță a pacienților grav bolnavi din unitățile de terapie intensivă, prin utilizarea unor analize avansate și algoritmi clinici pentru a procesa datele pacienților din mai multe surse și oferind perspective, alerte și recomandări acționabile pentru echipa de îngrijire
- Philips Sonicare – O periuță de dinți inteligentă care utilizează inteligența artificială pentru a analiza comportamentul de periaj și sănătatea orală a utilizatorilor și pentru a oferi îndrumări în timp real și recomandări personalizate, cum ar fi timpul optim de periaj, presiunea și acoperirea, pentru a le îmbunătăți igiena dentară și a preveni apariția cariilor și a bolilor gingivale. .
De mulți ani, Philips a fost pionierat în dezvoltarea algoritmilor bazați pe date pentru a-și alimenta soluțiile inovatoare de-a lungul întregului continuum de asistență medicală. În domeniul imagisticii de diagnosticare, Philips a dezvoltat o multitudine de aplicații ML pentru reconstrucția și interpretarea imaginilor medicale, gestionarea fluxului de lucru și optimizarea tratamentului. De asemenea, în monitorizarea pacientului, terapia ghidată de imagine, echipele cu ultrasunete și sănătatea personală au creat algoritmi și aplicații ML. Cu toate acestea, inovația a fost împiedicată din cauza utilizării unor medii de dezvoltare AI fragmentate în cadrul echipelor. Aceste medii au variat de la laptopuri și desktop-uri individuale la diverse clustere de calcul on-premise și infrastructură bazată pe cloud. Această eterogenitate a permis inițial diferitelor echipe să se miște rapid în eforturile lor timpurii de dezvoltare a AI, dar acum împiedică oportunitățile de a scala și de a îmbunătăți eficiența proceselor noastre de dezvoltare a AI.
Era evident că o schimbare fundamentală către un mediu unificat și standardizat era imperativă pentru a dezlănțui cu adevărat potențialul eforturilor bazate pe date la Philips.
Principalele cazuri de utilizare AI/ML și cerințele platformei
Propunerile activate de AI/ML pot transforma asistența medicală prin automatizarea sarcinilor administrative efectuate de clinicieni. De exemplu:
- AI poate analiza imagini medicale pentru a ajuta radiologii să diagnosticheze bolile mai rapid și mai precis
- AI poate prezice evenimente medicale viitoare analizând datele pacienților și îmbunătățind îngrijirea proactivă
- AI poate recomanda un tratament personalizat, adaptat nevoilor pacienților
- AI poate extrage și structura informații din notele clinice pentru a face înregistrarea mai eficientă
- Interfețele AI pot oferi suport pacientului pentru interogări, mementouri și verificări de simptome
În general, AI/ML promite reducerea erorilor umane, economii de timp și costuri, experiențe optimizate ale pacienților și intervenții personalizate în timp util.
Una dintre cerințele cheie pentru platforma de dezvoltare și implementare ML a fost capacitatea platformei de a sprijini procesul de dezvoltare și implementare iterativă continuă, așa cum se arată în figura următoare.
Dezvoltarea activelor AI începe într-un mediu de laborator, unde datele sunt colectate și curatate, iar apoi modelele sunt instruite și validate. Când modelul este gata și aprobat pentru utilizare, este implementat în sistemele de producție din lumea reală. Odată implementat, performanța modelului este monitorizată continuu. Performanța și feedbackul din lumea reală sunt în cele din urmă utilizate pentru îmbunătățiri suplimentare ale modelului, cu automatizarea completă a pregătirii și implementării modelului.
Cerințele mai detaliate AI ToolSuite au fost determinate de trei exemple de cazuri de utilizare:
- Dezvoltați o aplicație de viziune computerizată care vizează detectarea obiectelor la margine. Echipa de știință a datelor se aștepta ca un flux de lucru automatizat de adnotare a imaginilor bazat pe inteligență artificială să accelereze un proces de etichetare care necesită timp.
- Permiteți unei echipe de știință a datelor să gestioneze o familie de modele ML clasice pentru compararea statisticilor în mai multe unități medicale. Proiectul a necesitat automatizarea implementării modelului, urmărirea experimentelor, monitorizarea modelului și mai mult control asupra întregului proces de la capăt la capăt, atât pentru auditare, cât și pentru recalificare în viitor.
- Îmbunătățiți calitatea și timpul de lansare pe piață pentru modelele de deep learning în imagistica medicală de diagnosticare. Infrastructura de calcul existentă nu a permis derularea multor experimente în paralel, ceea ce a întârziat dezvoltarea modelului. De asemenea, în scopuri de reglementare, este necesar să se permită reproductibilitatea completă a pregătirii modelului timp de câțiva ani.
Cerințe nefuncționale
Construirea unei platforme AI/ML scalabile și robuste necesită o analiză atentă a cerințelor nefuncționale. Aceste cerințe depășesc funcționalitățile specifice ale platformei și se concentrează pe asigurarea următoarelor:
- scalabilitate – Platforma AI ToolSuite trebuie să poată scala mai eficient infrastructura de generare a informațiilor Philips, astfel încât platforma să poată gestiona un volum tot mai mare de date, utilizatori și sarcini de lucru AI/ML fără a sacrifica performanța. Ar trebui să fie proiectat să se extindă pe orizontală și pe verticală pentru a satisface fără probleme cerințele tot mai mari, oferind în același timp un management central al resurselor.
- Performanţă – Platforma trebuie să ofere capabilități de calcul de înaltă performanță pentru a procesa eficient algoritmi AI/ML complecși. SageMaker oferă o gamă largă de tipuri de instanțe, inclusiv instanțe cu GPU-uri puternice, care pot accelera semnificativ instruirea modelului și sarcinile de inferență. De asemenea, ar trebui să minimizeze latența și timpii de răspuns pentru a oferi rezultate în timp real sau aproape în timp real.
- Încredere – Platforma trebuie să ofere o infrastructură AI extrem de fiabilă și robustă, care se întinde pe mai multe zone de disponibilitate. Această arhitectură multi-AZ ar trebui să asigure operațiuni AI neîntrerupte prin distribuirea resurselor și a sarcinilor de lucru în centre de date distincte.
- Disponibilitate – Platforma trebuie să fie disponibilă 24/7, cu timpi de nefuncționare minim pentru întreținere și upgrade-uri. Disponibilitatea ridicată a AI ToolSuite ar trebui să includă echilibrarea sarcinii, arhitecturi tolerante la erori și monitorizare proactivă.
- Securitate și guvernare – Platforma trebuie să utilizeze măsuri robuste de securitate, criptare, controale de acces, roluri dedicate și mecanisme de autentificare cu monitorizare continuă pentru activități neobișnuite și efectuarea de audituri de securitate.
- Management de date – Gestionarea eficientă a datelor este crucială pentru platformele AI/ML. Reglementările din industria sănătății cer o guvernanță deosebit de riguroasă a datelor. Ar trebui să includă caracteristici precum versiunea datelor, descendența datelor, guvernanța datelor și asigurarea calității datelor pentru a asigura rezultate precise și fiabile.
- Interoperabilitate – Platforma ar trebui să fie proiectată pentru a se integra cu ușurință cu depozitele de date interne ale Philips, permițând schimbul de date fără întreruperi și colaborarea cu aplicații terțe.
- mentenabilitate – Arhitectura platformei și baza de cod ar trebui să fie bine organizate, modulare și ușor de întreținut. Acest lucru le permite inginerilor și dezvoltatorilor Philips ML să ofere actualizări, remedieri de erori și îmbunătățiri viitoare fără a perturba întregul sistem.
- Optimizarea resurselor – Platforma ar trebui să monitorizeze foarte îndeaproape rapoartele de utilizare pentru a se asigura că resursele de calcul sunt utilizate eficient și să aloce resursele în mod dinamic în funcție de cerere. În plus, Philips ar trebui să folosească instrumentele AWS Billing and Cost Management pentru a se asigura că echipele primesc notificări atunci când utilizarea depășește pragul alocat.
- Monitorizare și logare – Platforma ar trebui să folosească Amazon CloudWatch alerte pentru capacități complete de monitorizare și înregistrare, care sunt necesare pentru a urmări performanța sistemului, pentru a identifica blocajele și pentru a depana eficient problemele.
- Conformitate – Platforma poate ajuta, de asemenea, la îmbunătățirea conformității cu reglementările pentru propunerile activate de AI. Reproductibilitatea și trasabilitatea trebuie să fie activate automat de conductele de procesare a datelor end-to-end, unde multe artefacte de documentare obligatorii, cum ar fi rapoartele de descendență a datelor și cardurile model, pot fi pregătite automat.
- Testare și validare – Trebuie să existe proceduri riguroase de testare și validare pentru a asigura acuratețea și fiabilitatea modelelor AI/ML și pentru a preveni părtinirile neintenționate.
Prezentare generală a soluțiilor
AI ToolSuite este un mediu de dezvoltare AI complet, scalabil, cu pornire rapidă, care oferă SageMaker nativ și servicii AI/ML asociate cu balustradele de securitate și confidențialitate Philips HealthSuite și integrări ale ecosistemelor Philips. Există trei persoane cu seturi dedicate de permisiuni de acces:
- Om de știință – Pregătiți datele și dezvoltați și instruiți modele într-un spațiu de lucru colaborativ
- inginer ML – Produceți aplicații ML cu implementarea modelului, monitorizarea și întreținerea
- Administrator pentru știința datelor – Creați un proiect pentru fiecare cerere de echipă pentru a oferi medii izolate dedicate cu șabloane specifice cazului de utilizare
Dezvoltarea platformei a cuprins mai multe cicluri de lansare într-un ciclu iterativ de descoperire, proiectare, construire, testare și implementare. Datorită unicității unor aplicații, extinderea platformei a necesitat încorporarea unor componente personalizate existente, cum ar fi depozite de date sau instrumente proprietare pentru adnotare.
Următoarea figură ilustrează arhitectura cu trei straturi a AI ToolSuite, incluzând infrastructura de bază ca prim strat, componente ML comune ca al doilea strat și șabloane specifice proiectului ca al treilea strat.
Stratul 1 conține infrastructura de bază:
- Un strat de rețea cu acces parametrizat la internet cu disponibilitate ridicată
- Aprovizionare cu autoservire cu infrastructură ca cod (IaC)
- Un mediu de dezvoltare integrat (IDE) care utilizează un Amazon SageMaker Studio domeniu
- Roluri ale platformei (administrator al științei datelor, cercetător al datelor)
- Depozitarea artefactelor
- Înregistrare și monitorizare pentru observabilitate
Stratul 2 conține componente ML comune:
- Urmărirea automată a experimentelor pentru fiecare lucrare și canalizare
- O conductă de construire a modelului pentru a lansa o nouă actualizare a modelului
- O conductă de formare a modelelor compusă din formare, evaluare, înregistrare a modelului
- O conductă de implementare a modelului pentru a implementa modelul pentru testarea și aprobarea finală
- Un registru de modele pentru a gestiona cu ușurință versiunile de model
- Un rol de proiect creat special pentru un anumit caz de utilizare, pentru a fi atribuit utilizatorilor SageMaker Studio
- Un depozit de imagini pentru stocarea imaginilor de procesare, instruire și containere de inferență create pentru proiect
- Un depozit de cod pentru a stoca artefacte de cod
- Un proiect Serviciul Amazon de stocare simplă (Amazon S3) pentru a stoca toate datele și artefactele proiectului
Stratul 3 conține șabloane specifice proiectului, care pot fi create cu componente personalizate, conform cerințelor proiectelor noi. De exemplu:
- Șablon 1 – Include o componentă pentru interogarea datelor și urmărirea istoricului
- Șablon 2 – Include o componentă pentru adnotări de date cu un flux de lucru de adnotare personalizat pentru a utiliza instrumente de adnotare proprietare
- Șablon 3 – Include componente pentru imagini de container personalizate pentru a personaliza atât mediul de dezvoltare, cât și rutinele de antrenament, sistem de fișiere HPC dedicat și acces dintr-un IDE local pentru utilizatori
Următoarea diagramă evidențiază serviciile AWS cheie care acoperă mai multe conturi AWS pentru dezvoltare, punere în scenă și producție.
În secțiunile următoare, discutăm despre capacitățile cheie ale platformei activate de serviciile AWS, inclusiv SageMaker, Catalog de servicii AWS, CloudWatch, AWS Lambdas, Registrul Amazon de containere elastice (Amazon ECR), Amazon S3, Gestionarea identității și accesului AWS (IAM) și altele.
Infrastructura ca cod
Platforma folosește IaC, care îi permite lui Philips să automatizeze furnizarea și gestionarea resurselor de infrastructură. Această abordare va ajuta, de asemenea, reproductibilitatea, scalabilitatea, controlul versiunilor, consistența, securitatea și portabilitatea pentru dezvoltare, testare sau producție.
Acces la mediile AWS
SageMaker și serviciile asociate AI/ML sunt accesate cu balustrade de securitate pentru pregătirea datelor, dezvoltarea modelului, instruire, adnotare și implementare.
Izolarea și colaborarea
Platforma asigură izolarea datelor prin stocarea și procesarea separată, reducând riscul accesului neautorizat sau încălcării datelor.
Platforma facilitează colaborarea în echipă, care este esențială în proiectele AI care implică de obicei echipe interfuncționale, inclusiv oameni de știință ai datelor, administratori de știință a datelor și ingineri MLOps.
Controlul accesului bazat pe roluri
Controlul accesului bazat pe roluri (RBAC) este esențial în gestionarea permisiunilor și simplificarea gestionării accesului prin definirea rolurilor și a permisiunilor într-o manieră structurată. Este simplă gestionarea permisiunilor pe măsură ce echipele și proiectele cresc și controlul accesului pentru diferite persoane implicate în proiectele AWS AI/ML, cum ar fi administratorul științei datelor, știința datelor, administratorul adnotărilor, adnotatorul și inginerul MLOps.
Acces la depozitele de date
Platforma permite SageMaker accesul la depozitele de date, ceea ce asigură că datele pot fi utilizate eficient pentru antrenamentul modelului și inferența fără a fi nevoie de duplicare sau mutare a datelor în diferite locații de stocare, optimizând astfel utilizarea resurselor și reducând costurile.
Adnotare folosind instrumente de adnotare specifice Philips
AWS oferă o suită de servicii AI și ML, cum ar fi SageMaker, Amazon SageMaker Ground Adevăr, și Amazon Cognito, care sunt complet integrate cu instrumentele interne de adnotare specifice Philips. Această integrare le permite dezvoltatorilor să antreneze și să implementeze modele ML folosind datele adnotate în mediul AWS.
Șabloane ML
Platforma AI ToolSuite oferă șabloane în AWS pentru diferite fluxuri de lucru ML. Aceste șabloane sunt configurații de infrastructură preconfigurate, adaptate pentru anumite cazuri de utilizare ML și sunt accesibile prin servicii precum Șabloane de proiect SageMaker, Formarea AWS Cloud, și Catalogul de servicii.
Integrare cu Philips GitHub
Integrarea cu GitHub îmbunătățește eficiența prin furnizarea unei platforme centralizate pentru controlul versiunilor, revizuiri de cod și conducte automate CI/CD (integrare continuă și implementare continuă), reducând sarcinile manuale și sporind productivitatea.
Integrarea codului Visual Studio
Integrarea cu Visual Studio Code oferă un mediu unificat pentru codarea, depanarea și gestionarea proiectelor ML. Acest lucru simplifică întregul flux de lucru ML, reducând schimbarea contextului și economisind timp. Integrarea îmbunătățește, de asemenea, colaborarea între membrii echipei, permițându-le să lucreze împreună la proiecte SageMaker într-un mediu de dezvoltare familiar, utilizând sisteme de control al versiunilor și partajând cod și notebook-uri fără probleme.
Modelul și descendența datelor și trasabilitatea pentru reproductibilitate și conformitate
Platforma oferă versiunea, ceea ce ajută la urmărirea modificărilor aduse instruirii și a datelor de inferență ale cercetătorilor de date în timp, facilitând reproducerea rezultatelor și înțelegerea evoluției seturilor de date.
Platforma permite, de asemenea, urmărirea experimentului SageMaker, care permite utilizatorilor finali să înregistreze și să urmărească toate metadatele asociate cu experimentele lor ML, inclusiv hiperparametrii, datele de intrare, codul și artefactele modelului. Aceste capabilități sunt esențiale pentru a demonstra conformitatea cu standardele de reglementare și pentru a asigura transparența și responsabilitatea în fluxurile de lucru AI/ML.
Generarea de rapoarte de specificații AI/ML pentru conformitatea cu reglementările
AWS menține certificări de conformitate pentru diverse standarde și reglementări din industrie. Rapoartele cu specificațiile AI/ML servesc ca documentație esențială de conformitate, arătând respectarea cerințelor de reglementare. Aceste rapoarte documentează versiunea seturilor de date, modelelor și codului. Controlul versiunilor este esențial pentru menținerea descendenței datelor, a trasabilității și a reproductibilității, toate acestea fiind esențiale pentru conformitatea și auditul cu reglementările.
Managementul bugetului la nivel de proiect
Managementul bugetului la nivel de proiect permite organizației să stabilească limite de cheltuieli, ajutând la evitarea costurilor neașteptate și asigurând că proiectele ML se mențin în buget. Cu managementul bugetului, organizația poate aloca bugete specifice proiectelor sau echipelor individuale, ceea ce ajută echipele să identifice devreme ineficiența resurselor sau creșterile neașteptate ale costurilor. Pe lângă gestionarea bugetului, cu funcția de a închide automat notebook-urile inactive, membrii echipei evită să plătească pentru resursele neutilizate, eliberând și resurse valoroase atunci când acestea nu sunt utilizate în mod activ, făcându-le disponibile pentru alte sarcini sau utilizatori.
Rezultate
AI ToolSuite a fost conceput și implementat ca o platformă la nivel de întreprindere pentru dezvoltarea și implementarea ML pentru oamenii de știință de date din Philips. Au fost colectate și luate în considerare diverse cerințe de la toate unitățile de afaceri în timpul proiectării și dezvoltării. La începutul proiectului, Philips a identificat campioni din echipele de afaceri care au oferit feedback și au ajutat la evaluarea valorii platformei.
Au fost obținute următoarele rezultate:
- Adoptarea utilizatorilor este unul dintre principalii indicatori principali pentru Philips. Utilizatorii din mai multe unități de afaceri au fost instruiți și integrați pe platformă, iar acest număr este de așteptat să crească în 2024.
- O altă măsură importantă este eficiența pentru utilizatorii științei datelor. Cu AI ToolSuite, noi medii de dezvoltare ML sunt implementate în mai puțin de o oră în loc de câteva zile.
- Echipele de știință a datelor pot accesa o infrastructură de calcul scalabilă, sigură, eficientă din punct de vedere al costurilor, bazată pe cloud.
- Echipele pot rula mai multe experimente de antrenament model în paralel, ceea ce a redus semnificativ timpul mediu de antrenament de la săptămâni la 1-3 zile.
- Deoarece implementarea mediului este complet automatizată, nu necesită practic nicio implicare a inginerilor de infrastructură cloud, ceea ce a redus costurile operaționale.
- Utilizarea AI ToolSuite a îmbunătățit în mod semnificativ maturitatea generală a datelor și a rezultatelor AI prin promovarea utilizării bunelor practici ML, a fluxurilor de lucru standardizate și a reproductibilității end-to-end, care este esențială pentru conformitatea reglementărilor în industria sănătății.
Așteptăm cu AI generativă
Pe măsură ce organizațiile se întrec pentru a adopta următoarea ultimă generație în domeniul inteligenței artificiale, este imperativ să adopte noi tehnologii în contextul politicii de securitate și guvernanță a organizației. Arhitectura AI ToolSuite oferă un model excelent pentru a permite accesul la capacitățile AI generative în AWS pentru diferite echipe de la Philips. Echipele pot folosi modele de fundație puse la dispoziție cu Amazon SageMaker JumpStart, care oferă un număr mare de modele open source de la Hugging Face și alți furnizori. Cu balustradele necesare deja existente în ceea ce privește controlul accesului, furnizarea proiectelor și controlul costurilor, echipele vor fi fără probleme să înceapă să folosească capabilitățile AI generative din SageMaker.
În plus, acces la Amazon Bedrock, un serviciu complet gestionat bazat pe API pentru IA generativă, poate fi furnizat pentru conturi individuale în funcție de cerințele proiectului, iar utilizatorii pot accesa API-urile Amazon Bedrock fie prin interfața pentru notebook-uri SageMaker, fie prin IDE-ul lor preferat.
Există considerații suplimentare cu privire la adoptarea IA generativă într-un cadru reglementat, cum ar fi asistența medicală. Trebuie să se acorde o atenție deosebită valorii create de aplicațiile AI generative în raport cu riscurile și costurile asociate. De asemenea, este necesar să se creeze un cadru legal și de risc care să guverneze utilizarea de către organizație a tehnologiilor AI generative. Elemente precum securitatea datelor, părtinirea și corectitudinea și conformitatea cu reglementările trebuie luate în considerare ca parte a unor astfel de mecanisme.
Concluzie
Philips a pornit într-o călătorie de valorificare a puterii algoritmilor bazați pe date pentru a revoluționa soluțiile de asistență medicală. De-a lungul anilor, inovația în imagistica de diagnosticare a produs mai multe aplicații ML, de la reconstrucția imaginii până la gestionarea fluxului de lucru și optimizarea tratamentului. Cu toate acestea, gama variată de configurații, de la laptopuri individuale până la clustere on-premise și infrastructură cloud, a reprezentat provocări formidabile. Administrarea separată a sistemului, măsurile de securitate, mecanismele de asistență și protocolul de date au inhibat o vedere cuprinzătoare a TCO și tranzițiile complicate între echipe. Tranziția de la cercetare și dezvoltare la producție a fost grevată de lipsa descendenței și a reproductibilității, făcând dificilă recalificarea continuă a modelului.
Ca parte a colaborării strategice dintre Philips și AWS, platforma AI ToolSuite a fost creată pentru a dezvolta o platformă ML scalabilă, sigură și compatibilă cu SageMaker. Această platformă oferă capabilități variind de la experimentare, adnotare de date, instruire, implementări de modele și șabloane reutilizabile. Toate aceste capabilități au fost construite iterativ pe mai multe cicluri de descoperire, proiectare, construire, testare și implementare. Acest lucru a ajutat mai multe unități de afaceri să inoveze cu viteză și agilitate, în timp ce guvernează la scară cu controale centrale.
Această călătorie servește drept inspirație pentru organizațiile care doresc să valorifice puterea AI și ML pentru a stimula inovația și eficiența în asistența medicală, beneficiind în cele din urmă pacienților și furnizorilor de îngrijire din întreaga lume. Pe măsură ce continuă să se bazeze pe acest succes, Philips este pregătită să facă pași și mai mari în îmbunătățirea rezultatelor sănătății prin soluții inovatoare activate de AI.
Pentru a afla mai multe despre inovația Philips pe AWS, vizitați Philips pe AWS.
Despre autori
Frank Wartena este manager de program la Philips Innovation & Strategy. El coordonează activele platformei legate de date și AI în sprijinul propunerilor noastre Philips activate pentru date și AI. Are o vastă experiență în inteligența artificială, știința datelor și interoperabilitate. În timpul liber, lui Frank îi place să alerge, să citească și să canote și să petreacă timpul cu familia sa.
Irina Fedulova este principal Data & AI Lead la Philips Innovation & Strategy. Ea conduce activități strategice concentrate pe instrumentele, platformele și cele mai bune practici care accelerează și scala dezvoltarea și producția de soluții (generative) activate de AI la Philips. Irina are o experiență tehnică puternică în învățarea automată, cloud computing și inginerie software. În afara serviciului, îi place să petreacă timpul cu familia ei, să călătorească și să citească.
Selvakumar Palaniyappan este Product Owner la Philips Innovation & Strategy, responsabil cu gestionarea produselor pentru platforma Philips HealthSuite AI & ML. Are o mare experiență în managementul tehnic al produselor și inginerie software. În prezent, lucrează la construirea unei platforme scalabile și conforme de dezvoltare și implementare AI și ML. În plus, el conduce adoptarea acesteia de către echipele de știință a datelor Philips pentru a dezvolta sisteme și soluții de sănătate bazate pe inteligență artificială.
Adnan Elci este arhitect senior de infrastructură cloud la AWS Professional Services. El operează în calitate de Tech Lead, supervizează diverse operațiuni pentru clienți din domeniul sănătății și științele vieții, finanțe, aviație și producție. Entuziasmul său pentru automatizare este evident în implicarea sa extinsă în proiectarea, construirea și implementarea soluțiilor pentru clienți la nivel de întreprindere în mediul AWS. Dincolo de angajamentele sale profesionale, Adnan se dedică activ muncii de voluntariat, străduindu-se să creeze un impact semnificativ și pozitiv în cadrul comunității.
Hasan Poonawala este arhitect senior de soluții de specialitate AI/ML la AWS, Hasan îi ajută pe clienți să proiecteze și să implementeze aplicații de învățare automată în producție pe AWS. Are peste 12 ani de experiență de lucru ca om de știință a datelor, practician de învățare automată și dezvoltator de software. În timpul liber, lui Hasan îi place să exploreze natura și să petreacă timp cu prietenii și familia.
Sreoshi Roy este Senior Global Engagement Manager cu AWS. În calitate de partener de afaceri al clienților din domeniul sănătății și științelor vieții, ea are o experiență de neegalat în definirea și furnizarea de soluții pentru probleme complexe de afaceri. Ea își ajută clienții să-și realizeze obiective strategice, să definească și să conceapă strategii cloud/date și să implementeze soluția scalabilă și robustă pentru a-și îndeplini obiectivele tehnice și de afaceri. Dincolo de eforturile sale profesionale, dăruirea ei constă în crearea unui impact semnificativ asupra vieții oamenilor prin stimularea empatiei și promovarea incluziunii.
Wajahat Aziz este lider pentru AI/ML și HPC în echipa AWS Healthcare și Life Sciences. După ce a servit ca lider tehnologic în diferite roluri în organizații din știința vieții, Wajahat își valorifică experiența pentru a ajuta clienții din domeniul sănătății și științelor vieții să folosească tehnologiile AWS pentru a dezvolta soluții ML și HPC de ultimă generație. Domeniile sale actuale de concentrare sunt cercetarea timpurie, studiile clinice și învățarea automată pentru păstrarea confidențialității.
Wioletta Stobieniecka este Data Scientist la AWS Professional Services. De-a lungul carierei sale profesionale, ea a livrat mai multe proiecte bazate pe analize pentru diferite industrii, cum ar fi bancare, asigurări, telecomunicații și sectorul public. Cunoștințele ei despre metodele statistice avansate și învățarea automată sunt bine combinate cu perspicacitatea afacerilor. Ea aduce progrese recente ale inteligenței artificiale pentru a crea valoare pentru clienți.
- Distribuție de conținut bazat pe SEO și PR. Amplifică-te astăzi.
- PlatoData.Network Vertical Generative Ai. Împuterniciți-vă. Accesați Aici.
- PlatoAiStream. Web3 Intelligence. Cunoștințe amplificate. Accesați Aici.
- PlatoESG. carbon, CleanTech, Energie, Mediu inconjurator, Solar, Managementul deșeurilor. Accesați Aici.
- PlatoHealth. Biotehnologie și Inteligență pentru studii clinice. Accesați Aici.
- Sursa: https://aws.amazon.com/blogs/machine-learning/philips-accelerates-development-of-ai-enabled-healthcare-solutions-with-an-mlops-platform-built-on-amazon-sagemaker/
- :are
- :este
- :nu
- :Unde
- $UP
- 1
- 100
- 12
- 120
- 2014
- 2024
- 7
- 87
- a
- capacitate
- Capabil
- Despre Noi
- accelera
- Accelerează
- acces
- Acces la date
- accesate
- accesibil
- responsabilitate
- Conturi
- precizie
- precis
- realizat
- peste
- acționabil
- activ
- activităţi de
- pătrundere
- plus
- Suplimentar
- aderare
- admin
- administrare
- administrativ
- adopta
- Adoptare
- avansat
- progresele
- împotriva
- AI
- AI / ML
- vizează
- Alerte
- Algoritmul
- algoritmi
- TOATE
- aloca
- alocate
- permite
- Permiterea
- permite
- deja
- de asemenea
- Amazon
- Amazon SageMaker
- Amazon Web Services
- printre
- sumă
- an
- Google Analytics
- analiza
- analiza
- și
- API-uri
- aplicație
- aplicatii
- abordare
- aprobat
- arhitectură
- SUNT
- domenii
- artificial
- inteligență artificială
- Inteligența artificială (AI)
- AS
- activ
- Bunuri
- alocate
- asociate
- asigurare
- At
- audit
- audituri
- Autentificare
- automatizarea
- Automata
- în mod automat
- automatizarea
- Automatizare
- disponibilitate
- disponibil
- in medie
- aviaţie
- evita
- AWS
- Servicii profesionale AWS
- înapoi
- fundal
- de echilibrare
- Bancar
- de bază
- bazat
- BE
- fost
- comportament
- analiza comparativă
- beneficiind
- CEL MAI BUN
- Cele mai bune practici
- între
- Dincolo de
- părtinire
- distorsiunilor
- facturare
- Blog
- plan
- a stimula
- stimularea
- atât
- blocaje
- încălcări
- Aduce
- larg
- buget
- Bugete
- Bug
- construi
- Clădire
- construit
- afaceri
- dar
- by
- apel
- CAN
- capacități
- Capacitate
- Carduri
- pasă
- Carieră
- atent
- caz
- cazuri
- catalog
- Centre
- central
- centralizat
- certificări
- provocări
- Campionilor
- Modificări
- taxă
- clasic
- clientii
- clinic
- studii clinice
- clinicienii
- îndeaproape
- Cloud
- cloud computing
- infrastructura cloud
- cod
- baza codului
- Codificare
- colaborare
- colaborativ
- combinate
- vine
- angajamentele
- Comun
- comunitate
- Companii
- companie
- complex
- conformitate
- conforme
- complicat
- component
- componente
- cuprinzător
- Compus
- de calcul
- Calcula
- calculator
- Computer Vision
- tehnica de calcul
- referitor la
- încheia
- efectuarea
- legat
- considerare
- Considerații
- luate în considerare
- Recipient
- conține
- context
- continua
- continuu
- continuu
- continuum
- Control
- controale
- Nucleu
- A costat
- Managementul costurilor
- economii
- Cheltuieli
- acoperire
- crea
- A crea valoare
- a creat
- Crearea
- creaţie
- critic
- echipe multifunctionale
- crucial
- curator
- Curent
- În prezent
- personalizat
- client
- experienta clientului
- Soluții pentru clienți
- clienţii care
- personaliza
- ciclu
- cicluri
- de date
- Încălcări de date
- centre de date
- Schimb de date
- management de date
- Pregătirea datelor
- de prelucrare a datelor
- știința datelor
- om de știință de date
- securitatea datelor
- Pe bază de date
- seturi de date
- Zi
- dedicat
- dăruire
- adânc
- învățare profundă
- defini
- definire
- Întârziat
- livra
- livrate
- livrarea
- Cerere
- cererile
- demonstrând
- implementa
- dislocate
- desfășurarea
- implementări
- descrie
- Amenajări
- proiectat
- proiect
- detaliat
- Detectare
- dezvolta
- dezvoltat
- Dezvoltator
- Dezvoltatorii
- în curs de dezvoltare
- Dezvoltare
- diagnostic
- Imagistica de diagnostic
- diagnostic
- diferit
- dificil
- descoperi
- discuta
- boli
- distinct
- distribuire
- diferit
- Medici
- document
- documentaţie
- domeniu
- domenii
- făcut
- jos
- nefuncționare
- zeci
- conduce
- condus
- drivere
- conducere
- două
- în timpul
- dinamic
- Devreme
- mai ușor
- cu ușurință
- ecosistem
- Margine
- în mod eficient
- eficiență
- eficient
- eficient
- Eforturile
- oricare
- element
- îmbarcat
- Încorporarea
- empatie
- permite
- activat
- permite
- permițând
- criptare
- capăt
- un capăt la altul
- eforturi
- angajament
- inginer
- Inginerie
- inginerii
- spori
- sporită
- îmbunătățiri
- Îmbunătăţeşte
- asigura
- asigură
- asigurare
- Afacere
- entuziasm
- Întreg
- Mediu inconjurator
- medii
- eroare
- mai ales
- esenţial
- evalua
- evaluare
- Chiar
- evenimente
- în cele din urmă
- Fiecare
- evident
- evoluţie
- exemplu
- exemple
- excelent
- schimb
- existent
- de aşteptat
- experienţă
- cu experienţă
- Experiențe
- experiment
- experimente
- explora
- extensie
- extensiv
- extrage
- Față
- facilitează
- cinste
- familiar
- familie
- FAST
- mai repede
- Caracteristică
- DESCRIERE
- feedback-ul
- Figura
- Fișier
- final
- finanţa
- First
- Concentra
- concentrat
- următor
- Pentru
- formidabil
- Înainte
- promovarea
- Fundație
- fragmentată
- Cadru
- sincer
- Prietenii lui
- din
- Combustibil
- Complet
- complet
- funcționalități
- fundamental
- mai mult
- În plus
- viitor
- generaţie
- generativ
- AI generativă
- GitHub
- dat
- Caritate
- Go
- bine
- guvernare
- guvernare
- guvernează
- unități de procesare grafică
- mai mare
- Teren
- Crește
- În creştere
- îndrumare
- ghidate
- manipula
- valorifica
- Cablaje
- Avea
- având în
- he
- Sănătate
- sistemele de sănătate
- de asistență medicală
- industria sănătății
- ajutor
- a ajutat
- ajutor
- ajută
- ei
- Înalt
- performanta ridicata
- highlights-uri
- extrem de
- se
- lui
- istorie
- deținere
- orizontal
- oră
- Cum
- Totuși
- hpc
- HTML
- http
- HTTPS
- uman
- identificat
- identifica
- identificarea
- Identitate
- Idle
- ilustrează
- imagine
- imagini
- Imaging
- Impactul
- imperativ
- punerea în aplicare a
- implementat
- Punere în aplicare a
- important
- îmbunătăţi
- îmbunătățiri
- îmbunătățirea
- in
- include
- include
- Inclusiv
- inclusivitate
- crescând
- Indicatorii
- individ
- industrii
- industrie
- standardele industriei
- ineficiențe
- informații
- Infrastructură
- inițial
- inova
- Inovaţie
- Strategia de inovare
- inovatoare
- intrare
- perspective
- Inspiraţie
- instanță
- in schimb
- asigurare
- integra
- integrate
- integrare
- integrările
- Inteligență
- interfaţă
- interfeţe
- intern
- Internet
- Interoperabilitate
- interpretare
- intervenții
- în
- implica
- implicat
- implicare
- Irina
- izolat
- izolare
- probleme de
- IT
- repetare
- ESTE
- Loc de munca
- comun
- călătorie
- jpg
- A pastra
- Cheie
- cunoştinţe
- de laborator
- etichetarea
- lipsă
- laptop-uri
- mare
- Latență
- lansa
- strat
- conduce
- lider
- conducere
- AFLAȚI
- învăţare
- Legal
- Cadrul legal
- mai puțin
- Nivel
- Pârghie
- pîrghii
- se află
- Viaţă
- Știința vieții
- Life Sciences
- ciclu de viață
- ca
- Limitele
- descendență
- linii
- trăi
- Locuiește
- încărca
- local
- Locații
- log
- logare
- cautati
- iubeste
- maşină
- masina de învățare
- făcut
- De întreținut
- Mentine
- susține
- întreținere
- face
- FACE
- Efectuarea
- administra
- gestionate
- administrare
- Instrumente de management
- manager
- de conducere
- obligatoriu
- manieră
- manual
- de fabricaţie
- multe
- Piață
- scadență
- semnificativ
- măsuri
- mecanisme
- medical
- Întâlni
- Membri actuali
- Metadata
- Metode
- metric
- milioane
- minim
- ML
- MLOps
- model
- Modele
- modular
- monitor
- monitorizate
- Monitorizarea
- mai mult
- muta
- RMN
- multiplu
- multitudine
- trebuie sa
- nativ
- Natură
- necesar
- Nevoie
- nevoilor
- rețele
- Nou
- noi utilizatori
- următor
- Nu.
- caiet
- notițe
- notificări
- acum
- număr
- obiect
- Detectarea obiectelor
- Obiectivele
- of
- oferind
- promoții
- on
- bord
- dată
- ONE
- în curs de desfășurare
- deschide
- open-source
- opereaza
- operațional
- Operațiuni
- Oportunităţi
- optimă
- optimizare
- Optimizați
- optimizate
- optimizarea
- or
- Sănătatea orală
- comandă
- organizație
- organizații
- Organizat
- Altele
- Altele
- al nostru
- rezultate
- schiță
- exterior
- peste
- global
- supravegherea
- proprietar
- Paralel
- parte
- partener
- parteneriat
- parteneri
- trece
- trecut
- pacient
- pacientes
- de plată
- oameni
- oamenii lui
- pentru
- performanță
- permisiuni
- personal
- Personalizat
- pionierat
- conducte
- Loc
- platformă
- Platforme
- Plato
- Informații despre date Platon
- PlatoData
- gata
- Politica
- portabilitate
- pozat
- pozitiv
- Post
- potenţial
- putere
- puternic
- practicile
- precis
- prezice
- preferat
- pregătire
- Pregăti
- pregătit
- păstrarea
- presiune
- împiedica
- Principal
- intimitate
- Proactivă
- probleme
- Proceduri
- proces
- procese
- prelucrare
- Produs
- management de produs
- producere
- productivitate
- Produse
- profesional
- Program
- proiect
- datele proiectului
- Proiecte
- Promisiuni
- Promovarea
- proprietate
- protocol
- furniza
- prevăzut
- furnizori
- furnizează
- furnizarea
- public
- scopuri
- calitate
- interogări
- Rapid
- Rasă
- gamă
- variind
- repede
- Citind
- gata
- lumea reală
- în timp real
- a primi
- recent
- recomanda
- Recomandări
- Redus
- reducerea
- registru
- reglementate
- regulament
- autoritățile de reglementare
- Respectarea reglementărilor
- legate de
- eliberaţi
- eliberarea
- încredere
- de încredere
- la distanta
- raportează
- Rapoarte
- depozit
- solicita
- necesar
- Cerinţe
- Necesită
- cercetare
- cercetare și dezvoltare
- resursă
- Resurse
- răspuns
- REZULTATE
- reutilizabile
- Recenzii
- revoluţiona
- riguros
- Risc
- Riscurile
- robust
- Rol
- rolurile
- Alerga
- funcţionare
- sacrificare
- sagemaker
- economisire
- Economie
- scalabilitate
- scalabil
- Scară
- Ştiinţă
- ȘTIINȚE
- Om de stiinta
- oamenii de stiinta
- fără sudură
- perfect
- Al doilea
- secțiuni
- sector
- sigur
- securitate
- Audituri de securitate
- Măsuri de securitate
- senior
- distinct
- servi
- servit
- servește
- serviciu
- Servicii
- set
- Seturi
- instalare
- câteva
- partajarea
- ea
- schimbare
- să
- simbolizeazã
- indicat
- închide
- Închide
- semnificativ
- simplu
- simplificarea
- întrucât
- inteligent
- So
- Software
- Inginerie software
- soluţie
- soluţii
- unele
- Sursă
- Surse
- tensiune
- se întinde
- varful de lance
- specialist
- specific
- specific
- specificație
- viteză
- petrece
- Cheltuire
- piroane
- înscenare
- standarde
- Standuri
- Începe
- începe
- Startup-urile
- de ultimă oră
- statistic
- statistică
- şedere
- depozitare
- stoca
- magazine
- stocarea
- simplu
- Strategic
- strategii
- Strategie
- pași
- strădanie
- puternic
- structura
- structurat
- studio
- succes
- astfel de
- suită
- a sustine
- sigur
- simptom
- sistem
- sisteme
- adaptate
- Lua
- sarcini
- echipă
- Membrii echipei
- echipe
- tech
- Tehnic
- Tehnologii
- Tehnologia
- Telco
- servicii medicale la distanta
- şabloane
- termeni
- test
- Testarea
- decât
- acea
- Viitorul
- lor
- Lor
- apoi
- Acolo.
- astfel
- Acestea
- ei
- Al treilea
- terț
- acest
- trei
- prag
- Prin
- de-a lungul
- timp
- consumă timp
- oportun
- ori
- la
- împreună
- Unelte
- față de
- Trasabilitatea
- urmări
- Urmărire
- Tren
- dresat
- Pregătire
- Transforma
- tranziţie
- tranziții
- Transparență
- Traveling
- tratament
- studii
- cu adevărat
- Tipuri
- tipic
- în cele din urmă
- neautorizat
- înţelege
- Neașteptat
- unificat
- unic
- unicitate
- de unităţi
- Universități
- dezlănțui
- incomparabil
- nefolosit
- actualizări
- upgrade-uri
- pe
- utilizare
- carcasa de utilizare
- utilizat
- utilizatorii
- utilizări
- folosind
- utilizate
- Utilizand
- validate
- validare
- Valoros
- valoare
- varietate
- diverse
- Fixă
- versiune
- vertical
- foarte
- de
- Vizualizare
- practic
- viziune
- Vizita
- vizual
- volum
- voluntar
- a fost
- we
- web
- servicii web
- săptămâni
- BINE
- au fost
- cand
- care
- în timp ce
- OMS
- larg
- Gamă largă
- voi
- cu
- în
- fără
- Apartamente
- flux de lucru
- fluxuri de lucru
- de lucru
- la nivel internațional.
- ani
- a cedat
- zephyrnet
- zone