To je skupni blog z AWS in Philipsom.
Philips je podjetje za zdravstveno tehnologijo, ki se osredotoča na izboljšanje življenja ljudi s pomembnimi inovacijami. Podjetje od leta 2014 strankam ponuja svojo platformo Philips HealthSuite, ki upravlja na desetine storitev AWS, ki jih podjetja v zdravstvu in znanosti o življenju uporabljajo za izboljšanje oskrbe bolnikov. Sodeluje s ponudniki zdravstvenih storitev, novoustanovljenimi podjetji, univerzami in drugimi podjetji za razvoj tehnologije, ki pomaga zdravnikom postavljati natančnejše diagnoze in zagotoviti bolj prilagojeno zdravljenje za milijone ljudi po vsem svetu.
Eden od ključnih gonil Philipsove strategije inovacij je umetna inteligenca (AI), ki omogoča ustvarjanje pametnih in personaliziranih izdelkov in storitev, ki lahko izboljšajo zdravstvene rezultate, izboljšajo uporabniško izkušnjo in optimizirajo učinkovitost delovanja.
Amazon SageMaker ponuja namensko izdelana orodja za operacije strojnega učenja (MLOps), ki pomagajo avtomatizirati in standardizirati procese v celotnem življenjskem ciklu ML. Z orodji SageMaker MLOps lahko ekipe enostavno usposabljajo, testirajo, odpravljajo težave, uvajajo in upravljajo modele ML v velikem obsegu, da povečajo produktivnost podatkovnih znanstvenikov in inženirjev ML, hkrati pa ohranijo zmogljivost modela v proizvodnji.
V tej objavi opisujemo, kako je Philips sodeloval z AWS pri razvoju AI ToolSuite – razširljive, varne in združljive platforme ML na SageMaker. Ta platforma ponuja zmogljivosti, ki segajo od eksperimentiranja, označevanja podatkov, usposabljanja, uvajanja modelov in predlog za večkratno uporabo. Vse te zmogljivosti so zgrajene tako, da pomagajo številnim poslovnim linijam inovirati s hitrostjo in okretnostjo, medtem ko upravljajo v obsegu s centralnimi kontrolami. Opišemo ključne primere uporabe, ki so zagotovili zahteve za prvo ponovitev platforme, ključne komponente in dosežene rezultate. Zaključimo z opredelitvijo nenehnih prizadevanj za omogočanje platforme z generativnimi delovnimi obremenitvami umetne inteligence in hitrim vključevanjem novih uporabnikov in ekip, da sprejmejo platformo.
Kontekst stranke
Philips uporablja AI na različnih področjih, kot so slikanje, diagnostika, terapija, osebno zdravje in povezana nega. Nekaj primerov rešitev z umetno inteligenco, ki jih je Philips razvil v zadnjih letih, je:
- Philips SmartSpeed – Tehnologija slikanja na osnovi umetne inteligence za magnetno resonanco, ki uporablja edinstven algoritem globokega učenja umetne inteligence na podlagi Compressed-SENSE, da dvigne hitrost in kakovost slike na višjo raven za veliko različnih pacientov
- Philips eCareManager – Rešitev za telezdravje, ki uporablja umetno inteligenco za podporo oddaljene oskrbe in vodenja kritično bolnih pacientov na enotah intenzivne nege z uporabo napredne analitike in kliničnih algoritmov za obdelavo podatkov o pacientih iz več virov ter zagotavljanje uporabnih vpogledov, opozoril in priporočil za negovalna ekipa
- Philips Sonicare – Pametna zobna ščetka, ki uporablja AI za analizo vedenja ščetkanja in ustnega zdravja uporabnikov ter zagotavlja vodenje v realnem času in prilagojena priporočila, kot so optimalen čas ščetkanja, pritisk in pokritost, za izboljšanje njihove zobne higiene ter preprečevanje kariesa in bolezni dlesni .
Philips je bil dolga leta pionir v razvoju algoritmov, ki temeljijo na podatkih, da bi spodbujal svoje inovativne rešitve v kontinuumu zdravstvene oskrbe. Na področju diagnostičnega slikanja je Philips razvil številne aplikacije ML za rekonstrukcijo in interpretacijo medicinskih slik, upravljanje poteka dela in optimizacijo zdravljenja. Tudi pri spremljanju bolnikov, slikovno vodeni terapiji, ultrazvoku in ekipah za osebno zdravje ustvarjajo algoritme in aplikacije ML. Vendar so bile inovacije ovirane zaradi uporabe razdrobljenih razvojnih okolij AI v skupinah. Ta okolja so segala od posameznih prenosnih in namiznih računalnikov do različnih lokalnih računalniških gruč in infrastrukture v oblaku. Ta heterogenost je sprva omogočala različnim ekipam, da so se hitro premikale v svojih zgodnjih prizadevanjih za razvoj umetne inteligence, zdaj pa zavira priložnosti za povečanje in izboljšanje učinkovitosti naših razvojnih procesov umetne inteligence.
Očitno je bilo, da je temeljni premik k poenotenemu in standardiziranemu okolju nujen za resnično sprostitev potenciala podatkovno usmerjenih prizadevanj pri Philipsu.
Ključni primeri uporabe AI/ML in zahteve platforme
Predlogi, ki podpirajo AI/ML, lahko preoblikujejo zdravstveno varstvo z avtomatizacijo administrativnih opravil, ki jih izvajajo kliniki. Na primer:
- Umetna inteligenca lahko analizira medicinske slike in pomaga radiologom pri hitrejšem in natančnejšem diagnosticiranju bolezni
- AI lahko napove prihodnje zdravstvene dogodke z analizo podatkov o pacientih in izboljšanjem proaktivne oskrbe
- AI lahko priporoči osebno zdravljenje, prilagojeno potrebam bolnikov
- Umetna inteligenca lahko iz kliničnih zapiskov izvleče in strukturira informacije, da bo beleženje učinkovitejše
- Vmesniki AI lahko nudijo podporo pacientom za poizvedbe, opomnike in pregledovalce simptomov
Na splošno AI/ML obljublja zmanjšano število človeških napak, prihranek časa in stroškov, optimizirano izkušnjo pacientov in pravočasne, prilagojene posege.
Ena od ključnih zahtev za platformo za razvoj in uvajanje ML je bila zmožnost platforme, da podpira stalen iterativni razvoj in proces uvajanja, kot je prikazano na naslednji sliki.
Razvoj sredstev AI se začne v laboratorijskem okolju, kjer se podatki zbirajo in kurirajo, nato pa se modeli usposobijo in potrdijo. Ko je model pripravljen in odobren za uporabo, se uvede v realne proizvodne sisteme. Ko je uveden, se delovanje modela nenehno spremlja. Zmogljivost in povratne informacije iz resničnega sveta se na koncu uporabijo za nadaljnje izboljšave modela s popolno avtomatizacijo usposabljanja in uvajanja modela.
Podrobnejše zahteve AI ToolSuite so temeljile na treh primerih uporabe:
- Razviti aplikacijo računalniškega vida, namenjeno zaznavanju predmetov na robu. Skupina za podatkovno znanost je pričakovala, da bo avtomatiziran delovni tok označevanja slik, ki temelji na umetni inteligenci, pospešil zamuden postopek označevanja.
- Omogočite skupini za podatkovno znanost upravljanje družine klasičnih modelov ML za primerjalno analizo statističnih podatkov v več zdravstvenih enotah. Projekt je zahteval avtomatizacijo uvajanja modela, sledenje eksperimentom, spremljanje modela in več nadzora nad celotnim procesom od konca do konca tako za revizijo kot za ponovno usposabljanje v prihodnosti.
- Izboljšajte kakovost in čas za trženje modelov globokega učenja v diagnostičnem medicinskem slikanju. Obstoječa računalniška infrastruktura ni omogočala vzporednega izvajanja številnih eksperimentov, kar je zakasnilo razvoj modela. Prav tako je za regulativne namene potrebno omogočiti večletno popolno ponovljivost usposabljanja modela.
Nefunkcionalne zahteve
Izgradnja razširljive in robustne platforme AI/ML zahteva skrbno upoštevanje nefunkcionalnih zahtev. Te zahteve presegajo specifične funkcionalnosti platforme in se osredotočajo na zagotavljanje naslednjega:
- Prilagodljivost – Platforma AI ToolSuite mora biti sposobna učinkoviteje prilagajati Philipsovo infrastrukturo za ustvarjanje vpogledov, tako da lahko platforma obvladuje naraščajočo količino podatkov, uporabnikov in delovnih obremenitev AI/ML brez žrtvovanja zmogljivosti. Zasnovan bi moral biti tako, da se prilagaja vodoravno in navpično, da nemoteno izpolnjuje vse večje zahteve, hkrati pa zagotavlja centralno upravljanje virov.
- Uspešnost – Platforma mora zagotavljati visoko zmogljive računalniške zmogljivosti za učinkovito obdelavo kompleksnih algoritmov AI/ML. SageMaker ponuja široko paleto vrst instanc, vključno z instancami z zmogljivimi grafičnimi procesorji, ki lahko znatno pospešijo usposabljanje modela in opravila sklepanja. Prav tako mora zmanjšati zakasnitev in odzivne čase, da zagotovi rezultate v realnem ali skoraj realnem času.
- Zanesljivost – Platforma mora zagotoviti zelo zanesljivo in robustno infrastrukturo umetne inteligence, ki se razteza čez več območij razpoložljivosti. Ta arhitektura z več AZ bi morala zagotavljati neprekinjeno delovanje umetne inteligence z razdelitvijo virov in delovnih obremenitev po različnih podatkovnih centrih.
- Na voljo – Platforma mora biti na voljo 24/7 z minimalnimi izpadi zaradi vzdrževanja in nadgradenj. Visoka razpoložljivost AI ToolSuite bi morala vključevati uravnoteženje obremenitve, arhitekture, odporne na napake, in proaktivno spremljanje.
- Varnost in upravljanje – Platforma mora uporabljati robustne varnostne ukrepe, šifriranje, nadzor dostopa, namenske vloge in mehanizme za preverjanje pristnosti z nenehnim spremljanjem nenavadnih dejavnosti in izvajanjem varnostnih revizij.
- Data management – Učinkovito upravljanje podatkov je ključnega pomena za platforme AI/ML. Predpisi v zdravstveni industriji zahtevajo posebej strogo upravljanje podatkov. Vključevati mora funkcije, kot so različice podatkov, izvor podatkov, upravljanje podatkov in zagotavljanje kakovosti podatkov, da se zagotovijo točni in zanesljivi rezultati.
- Interoperabilnost – Platforma mora biti zasnovana tako, da se enostavno integrira s Philipsovimi notranjimi repozitoriji podatkov, kar omogoča brezhibno izmenjavo podatkov in sodelovanje z aplikacijami tretjih oseb.
- Vzdržljivost – Arhitektura in kodna osnova platforme morata biti dobro organizirani, modularni in vzdržljivi. To Philipsovim inženirjem in razvijalcem omogoča, da zagotovijo posodobitve, popravke napak in prihodnje izboljšave, ne da bi motili celoten sistem.
- Optimizacija virov – Platforma bi morala zelo natančno spremljati poročila o uporabi, da bi zagotovila učinkovito uporabo računalniških virov in dinamično dodeljevanje virov glede na povpraševanje. Poleg tega bi moral Philips uporabljati orodja za zaračunavanje in upravljanje stroškov AWS, da zagotovi, da ekipe prejmejo obvestila, ko izkoriščenost preseže dodeljeni znesek praga.
- Spremljanje in beleženje – Platforma bi morala uporabljati amazoncloudwatch opozorila za celovito spremljanje in zmožnosti beleženja, ki so potrebna za sledenje delovanja sistema, prepoznavanje ozkih grl in učinkovito odpravljanje težav.
- skladnost – Platforma lahko tudi pomaga izboljšati zakonsko skladnost predlogov, ki podpirajo AI. Ponovljivost in sledljivost morajo samodejno omogočiti cevovodi za obdelavo podatkov od konca do konca, kjer je mogoče samodejno pripraviti številne obvezne artefakte dokumentacije, kot so poročila o rodovništvu podatkov in kartice modelov.
- Testiranje in validacija – Za zagotovitev točnosti in zanesljivosti modelov AI/ML in preprečevanje nenamernih pristranskosti morajo biti vzpostavljeni strogi postopki testiranja in validacije.
Pregled rešitev
AI ToolSuite je razširljivo razvojno okolje za hiter zagon od konca do konca, ki ponuja izvorni SageMaker in povezane storitve AI/ML z varnostnimi in zasebnostnimi ograjami Philips HealthSuite ter integracijami Philipsovega ekosistema. Obstajajo tri osebe z namenskimi nizi dovoljenj za dostop:
- Podatkovni znanstvenik – Priprava podatkov ter razvoj in usposabljanje modelov v sodelovalnem delovnem prostoru
- inženir ML – Izdelajte aplikacije ML z uvajanjem, spremljanjem in vzdrževanjem modela
- Administrator znanosti o podatkih – Ustvarite projekt na zahtevo skupine, da zagotovite namenska izolirana okolja s predlogami za posamezne primere
Razvoj platforme je obsegal več ciklov izdaje v iterativnem ciklu odkrivanja, oblikovanja, gradnje, testiranja in uvajanja. Zaradi edinstvenosti nekaterih aplikacij je razširitev platforme zahtevala vdelavo obstoječih komponent po meri, kot so shrambe podatkov ali lastniška orodja za označevanje.
Naslednja slika ponazarja trislojno arhitekturo AI ToolSuite, vključno z osnovno infrastrukturo kot prvo plastjo, običajnimi komponentami ML kot drugo plastjo in predlogami, specifičnimi za projekt, kot tretjo plastjo.
Layer 1 vsebuje osnovno infrastrukturo:
- Omrežna plast s parametriziranim dostopom do interneta z visoko razpoložljivostjo
- Samopostrežno zagotavljanje z infrastrukturo kot kodo (IaC)
- Integrirano razvojno okolje (IDE), ki uporablja an Amazon SageMaker Studio domena
- Vloge v platformi (skrbnik podatkovne znanosti, podatkovni znanstvenik)
- Shranjevanje artefaktov
- Beleženje in spremljanje za opazljivost
2. sloj vsebuje običajne komponente ML:
- Samodejno sledenje poskusom za vsako opravilo in cevovod
- Cevovod gradnje modela za zagon nove posodobitve gradnje modela
- Model usposabljanja, ki ga sestavljajo model usposabljanja, vrednotenje, registracija
- Cevovod za uvajanje modela za uvajanje modela za končno testiranje in odobritev
- Register modelov za preprosto upravljanje različic modelov
- Projektna vloga, ustvarjena posebej za določen primer uporabe, ki se dodeli uporabnikom SageMaker Studio
- Repozitorij slik za shranjevanje slik vsebnika za obdelavo, usposabljanje in sklepanje, izdelanih za projekt
- Repozitorij kode za shranjevanje artefaktov kode
- Projekt Preprosta storitev shranjevanja Amazon (Amazon S3) vedro za shranjevanje vseh projektnih podatkov in artefaktov
Plast 3 vsebuje predloge, specifične za projekt, ki jih je mogoče ustvariti s komponentami po meri, kot zahtevajo novi projekti. Na primer:
- Predloga 1 – Vključuje komponento za poizvedovanje podatkov in sledenje zgodovini
- Predloga 2 – Vključuje komponento za opombe podatkov s potekom dela za opombe po meri za uporabo lastniškega orodja za opombe
- Predloga 3 – Vključuje komponente za slike vsebnikov po meri za prilagoditev njihovega razvojnega okolja in rutin usposabljanja, namenski datotečni sistem HPC in dostop iz lokalnega IDE za uporabnike
Naslednji diagram poudarja ključne storitve AWS, ki zajemajo več računov AWS za razvoj, uprizoritev in produkcijo.
V naslednjih razdelkih razpravljamo o ključnih zmožnostih platforme, ki jo omogočajo storitve AWS, vključno s SageMakerjem, Katalog storitev AWS, CloudWatch, AWS Lambda, Registar elastičnih zabojnikov Amazon (Amazon ECR), Amazon S3, AWS upravljanje identitete in dostopa (IAM) in drugi.
Infrastruktura kot koda
Platforma uporablja IaC, ki Philipsu omogoča avtomatizacijo zagotavljanja in upravljanja infrastrukturnih virov. Ta pristop bo pomagal tudi pri ponovljivosti, razširljivosti, nadzoru različic, doslednosti, varnosti in prenosljivosti za razvoj, testiranje ali proizvodnjo.
Dostop do okolij AWS
Do SageMakerja in povezanih storitev AI/ML se dostopa z varnostnimi ograjami za pripravo podatkov, razvoj modela, usposabljanje, opombe in uvajanje.
Izolacija in sodelovanje
Platforma zagotavlja izolacijo podatkov z ločenim shranjevanjem in obdelavo, kar zmanjšuje tveganje nepooblaščenega dostopa ali kršitev podatkov.
Platforma olajša timsko sodelovanje, ki je bistvenega pomena pri projektih AI, ki običajno vključujejo medfunkcionalne ekipe, vključno s podatkovnimi znanstveniki, skrbniki za podatkovne znanosti in inženirji MLOps.
Nadzor dostopa na podlagi vlog
Nadzor dostopa na podlagi vlog (RBAC) je bistvenega pomena pri upravljanju dovoljenj in poenostavitvi upravljanja dostopa z definiranjem vlog in dovoljenj na strukturiran način. Omogoča preprosto upravljanje dovoljenj, ko skupine in projekti rastejo, ter nadzor dostopa za različne osebe, ki sodelujejo v projektih AWS AI/ML, kot so skrbnik podatkovne znanosti, podatkovni znanstvenik, skrbnik oznak, označevalec in inženir MLOps.
Dostop do podatkovnih shramb
Platforma SageMakerju omogoča dostop do podatkovnih shramb, kar zagotavlja, da se lahko podatki učinkovito uporabljajo za usposabljanje modela in sklepanje brez potrebe po podvajanju ali premikanju podatkov med različnimi lokacijami za shranjevanje, s čimer se optimizira uporaba virov in zmanjšajo stroški.
Opombe z uporabo Philipsovih orodij za opombe
AWS ponuja nabor storitev AI in ML, kot so SageMaker, Amazon SageMaker Ground Truthin Amazon Cognito, ki so popolnoma integrirani s Philipsovimi lastnimi orodji za opombe. Ta integracija razvijalcem omogoča usposabljanje in uvajanje modelov ML z uporabo označenih podatkov v okolju AWS.
ML predloge
Platforma AI ToolSuite ponuja predloge v AWS za različne poteke dela ML. Te predloge so vnaprej konfigurirane nastavitve infrastrukture, prilagojene posebnim primerom uporabe ML, in so dostopne prek storitev, kot so Predloge projektov SageMaker, Oblikovanje oblaka AWS, in katalog storitev.
Integracija s Philips GitHub
Integracija z GitHub poveča učinkovitost z zagotavljanjem centralizirane platforme za nadzor različic, preglede kode in avtomatizirane cevovode CI/CD (neprekinjena integracija in neprekinjena uvedba), kar zmanjša ročna opravila in poveča produktivnost.
Integracija Visual Studio Code
Integracija z Visual Studio Code zagotavlja poenoteno okolje za kodiranje, odpravljanje napak in upravljanje projektov ML. To poenostavi celoten potek dela ML, zmanjša preklapljanje konteksta in prihrani čas. Integracija prav tako izboljšuje sodelovanje med člani skupine, tako da jim omogoča skupno delo na projektih SageMaker v znanem razvojnem okolju, uporabo sistemov za nadzor različic ter nemoteno deljenje kode in zvezkov.
Model in podatkovna linija ter sledljivost za ponovljivost in skladnost
Platforma zagotavlja različice, ki pomagajo slediti spremembam podatkov o usposabljanju in sklepanju podatkovnega znanstvenika skozi čas, kar olajša reprodukcijo rezultatov in razumevanje razvoja naborov podatkov.
Platforma omogoča tudi sledenje eksperimentom SageMaker, ki končnim uporabnikom omogoča beleženje in sledenje vsem metapodatkom, povezanim z njihovimi eksperimenti ML, vključno s hiperparametri, vhodnimi podatki, kodo in artefakti modela. Te zmogljivosti so bistvenega pomena za dokazovanje skladnosti z regulativnimi standardi ter zagotavljanje preglednosti in odgovornosti v potekih dela AI/ML.
Ustvarjanje poročila o specifikaciji AI/ML za skladnost s predpisi
AWS vzdržuje certifikate skladnosti za različne industrijske standarde in predpise. Poročila o specifikacijah AI/ML služijo kot bistvena dokumentacija o skladnosti, ki prikazuje spoštovanje regulativnih zahtev. Ta poročila dokumentirajo različice naborov podatkov, modelov in kode. Nadzor različic je bistvenega pomena za ohranjanje podatkovne linije, sledljivosti in ponovljivosti, kar je vse ključnega pomena za skladnost s predpisi in revizijo.
Upravljanje proračuna na ravni projekta
Upravljanje proračuna na ravni projekta omogoča organizaciji, da določi omejitve porabe, s čimer se izogne nepričakovanim stroškom in zagotovi, da projekti ML ostanejo v okviru proračuna. Z upravljanjem proračuna lahko organizacija dodeli posebne proračune posameznim projektom ali ekipam, kar ekipam pomaga zgodaj prepoznati neučinkovitost virov ali nepričakovane skoke stroškov. Poleg upravljanja proračuna se s funkcijo samodejnega izklopa nedejavnih prenosnikov člani skupine izognejo plačilu za neporabljene vire, poleg tega pa sprostijo dragocene vire, ko niso aktivno v uporabi, zaradi česar so na voljo za druge naloge ali uporabnike.
Rezultati
AI ToolSuite je bil zasnovan in implementiran kot platforma za celotno podjetje za razvoj in uvajanje ML za podatkovne znanstvenike v Philipsu. Pri načrtovanju in razvoju so bile zbrane in upoštevane različne zahteve iz vseh poslovnih enot. Na začetku projekta je Philips identificiral prvake iz poslovnih skupin, ki so posredovali povratne informacije in pomagali oceniti vrednost platforme.
Doseženi so bili naslednji rezultati:
- Sprejemanje uporabnikov je eden ključnih vodilnih kazalnikov za Philips. Uporabniki iz več poslovnih enot so bili usposobljeni in vključeni v platformo, to število pa naj bi se leta 2024 povečalo.
- Druga pomembna metrika je učinkovitost za uporabnike podatkovne znanosti. Z AI ToolSuite se nova razvojna okolja ML uvedejo v manj kot eni uri namesto v nekaj dneh.
- Podatkovne znanstvene ekipe lahko dostopajo do razširljive, varne, stroškovno učinkovite računalniške infrastrukture v oblaku.
- Ekipe lahko vzporedno izvajajo več poskusov usposabljanja z modelom, kar je znatno skrajšalo povprečni čas usposabljanja s tednov na 1–3 dni.
- Ker je uvedba okolja popolnoma avtomatizirana, ne zahteva skoraj nobene vpletenosti inženirjev infrastrukture v oblaku, kar je znižalo operativne stroške.
- Uporaba AI ToolSuite je znatno povečala splošno zrelost podatkov in rezultatov AI s spodbujanjem uporabe dobrih praks strojnega učenja, standardiziranih delovnih tokov in ponovljivosti od konca do konca, kar je ključnega pomena za skladnost z zakonodajo v zdravstveni industriji.
Veselimo se generativne umetne inteligence
Medtem ko organizacije tekmujejo, da bi sprejele naslednjo najsodobnejšo tehnologijo na področju umetne inteligence, je nujno sprejeti novo tehnologijo v kontekstu politike varnosti in upravljanja organizacije. Arhitektura AI ToolSuite zagotavlja odličen načrt za omogočanje dostopa do generativnih zmogljivosti AI v AWS za različne ekipe v Philipsu. Ekipe lahko uporabljajo modele temeljev, ki so na voljo z Amazon SageMaker JumpStart, ki ponuja veliko število odprtokodnih modelov Hugging Face in drugih ponudnikov. S potrebnimi zaščitnimi ograjami, ki so že vzpostavljene v smislu nadzora dostopa, zagotavljanja projektov in nadzora stroškov, bodo ekipe nemoteno začele uporabljati generativne zmogljivosti AI znotraj SageMakerja.
Poleg tega dostop do Amazon Bedrock, popolnoma upravljano storitev, ki temelji na API-ju za generativni AI, je mogoče zagotoviti za posamezne račune na podlagi projektnih zahtev, uporabniki pa lahko dostopajo do API-jev Amazon Bedrock prek vmesnika za prenosni računalnik SageMaker ali prek svojega želenega IDE.
Obstajajo dodatni pomisleki v zvezi s sprejetjem generativne umetne inteligence v reguliranem okolju, kot je zdravstvo. Skrbno je treba upoštevati vrednost, ki jo ustvarijo generativne aplikacije umetne inteligence v primerjavi s povezanimi tveganji in stroški. Prav tako je treba ustvariti okvir za tveganje in pravni okvir, ki ureja uporabo generativnih tehnologij umetne inteligence v organizaciji. Elemente, kot so varnost podatkov, pristranskost in poštenost ter skladnost s predpisi, je treba obravnavati kot del takih mehanizmov.
zaključek
Philips se je podal na pot izkoriščanja moči podatkovno vodenih algoritmov za revolucijo zdravstvenih rešitev. Z leti so inovacije na področju diagnostičnega slikanja prinesle več aplikacij ML, od rekonstrukcije slike do upravljanja delovnega toka in optimizacije zdravljenja. Vendar je raznolik nabor nastavitev, od posameznih prenosnih računalnikov do lokalnih gruč in infrastrukture v oblaku, predstavljal velikanske izzive. Ločena sistemska administracija, varnostni ukrepi, podporni mehanizmi in podatkovni protokol so ovirali celovit pogled na TCO in zapletene prehode med ekipami. Prehod od raziskav in razvoja k proizvodnji je bil obremenjen s pomanjkanjem rodov in ponovljivosti, kar je otežilo nenehno prekvalificiranje modelov.
Kot del strateškega sodelovanja med Philipsom in AWS je bila ustvarjena platforma AI ToolSuite za razvoj razširljive, varne in skladne platforme ML s SageMaker. Ta platforma ponuja zmogljivosti, ki segajo od eksperimentiranja, označevanja podatkov, usposabljanja, uvajanja modelov in predlog za večkratno uporabo. Vse te zmogljivosti so bile zgrajene iterativno v več ciklih odkrivanja, načrtovanja, gradnje, testiranja in uvajanja. To je pomagalo več poslovnim enotam inovirati s hitrostjo in agilnostjo, medtem ko je upravljalo v obsegu s centralnimi kontrolami.
To potovanje služi kot navdih za organizacije, ki želijo izkoristiti moč umetne inteligence in strojnega učenja za spodbujanje inovacij in učinkovitosti v zdravstvu, kar na koncu koristi pacientom in izvajalcem zdravstvene oskrbe po vsem svetu. Ko še naprej gradijo na tem uspehu, je Philips pripravljen narediti še večje korake pri izboljšanju zdravstvenih rezultatov z inovativnimi rešitvami, ki podpirajo AI.
Če želite izvedeti več o Philipsovih inovacijah na AWS, obiščite Philips na AWS.
O avtorjih
Frank Wartena je vodja programa pri Philips Innovation & Strategy. Usklajuje sredstva platforme, povezana s podatki in umetno inteligenco, v podporo našim predlogom Philips, ki podpirajo podatke in umetno inteligenco. Ima bogate izkušnje na področju umetne inteligence, podatkovne znanosti in interoperabilnosti. V prostem času Frank uživa v teku, branju in veslanju ter preživlja čas s svojo družino.
Irina Fedulova je glavni vodja podatkov in umetne inteligence pri Philips Innovation & Strategy. Spodbuja strateške dejavnosti, osredotočene na orodja, platforme in najboljše prakse, ki pospešujejo in širijo razvoj in proizvodnjo (Generativnih) rešitev, ki podpirajo AI, pri Philipsu. Irina ima močno tehnično znanje na področju strojnega učenja, računalništva v oblaku in programskega inženiringa. Zunaj dela rada preživlja čas z družino, potuje in bere.
Selvakumar Palaniyappan je lastnik izdelkov pri Philips Innovation & Strategy, odgovoren za upravljanje izdelkov za platformo Philips HealthSuite AI & ML. Ima veliko izkušenj s tehničnim upravljanjem izdelkov in programskim inženiringom. Trenutno dela na izgradnji razširljive in skladne platforme za razvoj in uvajanje AI in ML. Poleg tega vodi njegovo sprejetje s strani Philipsovih ekip za podatkovno znanost, da bi razvili zdravstvene sisteme in rešitve, ki temeljijo na umetni inteligenci.
Adnan Elci je višji arhitekt za infrastrukturo v oblaku pri AWS Professional Services. Deluje v vlogi tehničnega vodje in nadzoruje različne operacije za stranke v zdravstvu in znanosti o življenju, financah, letalstvu in proizvodnji. Njegovo navdušenje nad avtomatizacijo je razvidno iz njegove obsežne vpletenosti v načrtovanje, gradnjo in implementacijo rešitev za stranke na ravni podjetja v okolju AWS. Poleg svojih poklicnih obveznosti se Adnan aktivno posveča prostovoljnemu delu in si prizadeva ustvariti pomemben in pozitiven vpliv v skupnosti.
Hasan Poonawala je višji arhitekt za rešitve AI/ML pri AWS, Hasan strankam pomaga pri načrtovanju in uvajanju aplikacij za strojno učenje v produkciji na AWS. Ima več kot 12 let delovnih izkušenj kot podatkovni znanstvenik, praktik strojnega učenja in razvijalec programske opreme. V prostem času Hasan rad raziskuje naravo in preživlja čas s prijatelji in družino.
Sreoshi Roy je višji vodja globalnega sodelovanja pri AWS. Kot poslovna partnerica strank na področju zdravstva in znanosti o življenju ima neprimerljive izkušnje pri definiranju in zagotavljanju rešitev za kompleksne poslovne probleme. Svojim strankam pomaga oblikovati strateške cilje, definirati in oblikovati strategije v oblaku/podatkih ter implementirati razširjeno in robustno rešitev za doseganje njihovih tehničnih in poslovnih ciljev. Poleg njenih poklicnih prizadevanj je njena predanost ustvarjanju pomembnega vpliva na življenja ljudi s spodbujanjem empatije in vključevanja.
Wajahat Aziz je vodja za AI/ML & HPC v skupini AWS Healthcare and Life Sciences. Wajahat, ki je bil tehnološki vodja v različnih vlogah pri organizacijah za znanost o življenju, izkorišča svoje izkušnje, da strankam v zdravstvu in znanosti o življenju pomaga pri uporabi tehnologij AWS za razvoj najsodobnejših rešitev ML in HPC. Njegova trenutna področja so zgodnje raziskave, klinična preskušanja in strojno učenje, ki ohranja zasebnost.
Wioletta Stobieniecka je podatkovni znanstvenik pri AWS Professional Services. V svoji poklicni karieri je izvedla številne analitične projekte za različne industrije, kot so bančništvo, zavarovalništvo, telekomunikacije in javni sektor. Njeno poznavanje naprednih statističnih metod in strojnega učenja je dobro združeno s poslovno žilico. Prinaša nedavni napredek umetne inteligence za ustvarjanje vrednosti za stranke.
- Distribucija vsebine in PR s pomočjo SEO. Okrepite se še danes.
- PlatoData.Network Vertical Generative Ai. Opolnomočite se. Dostopite tukaj.
- PlatoAiStream. Web3 Intelligence. Razširjeno znanje. Dostopite tukaj.
- PlatoESG. Ogljik, CleanTech, Energija, Okolje, sončna energija, Ravnanje z odpadki. Dostopite tukaj.
- PlatoHealth. Obveščanje o biotehnologiji in kliničnih preskušanjih. Dostopite tukaj.
- vir: https://aws.amazon.com/blogs/machine-learning/philips-accelerates-development-of-ai-enabled-healthcare-solutions-with-an-mlops-platform-built-on-amazon-sagemaker/
- :ima
- : je
- :ne
- :kje
- $GOR
- 1
- 100
- 12
- 120
- 2014
- 2024
- 7
- 87
- a
- sposobnost
- Sposobna
- O meni
- pospeši
- pospeši
- dostop
- Dostop do podatkov
- dostopna
- dostopen
- odgovornost
- računi
- natančnost
- natančna
- doseže
- čez
- deljiv
- aktivno
- dejavnosti
- pronicljivost
- Poleg tega
- Dodatne
- privrženost
- admin
- uprava
- upravno
- sprejme
- Sprejetje
- napredno
- napredek
- proti
- AI
- AI / ML
- Namerjen
- Opozorila
- algoritem
- algoritmi
- vsi
- dodeliti
- dodeljenih
- omogočajo
- Dovoli
- omogoča
- že
- Prav tako
- Amazon
- Amazon SageMaker
- Amazon Web Services
- med
- znesek
- an
- analitika
- analizirati
- analiziranje
- in
- API-ji
- uporaba
- aplikacije
- pristop
- odobren
- Arhitektura
- SE
- območja
- umetni
- Umetna inteligenca
- Umetna inteligenca (AI)
- AS
- sredstvo
- Sredstva
- dodeljena
- povezan
- Zagotavljanje
- At
- revidiranje
- revizije
- Preverjanje pristnosti
- avtomatizirati
- Avtomatizirano
- samodejno
- avtomatizacija
- Avtomatizacija
- razpoložljivost
- Na voljo
- povprečno
- letalstvo
- izogniti
- AWS
- Strokovne storitve AWS
- nazaj
- ozadje
- uravnoteženje
- Bančništvo
- baza
- temeljijo
- BE
- bilo
- vedenje
- primerjalna analiza
- koristi
- BEST
- najboljše prakse
- med
- Poleg
- pristranskosti
- pristranskosti
- zaračunavanje
- Blog
- načrt
- povečanje
- povečanje
- tako
- ozka grla
- kršitve
- Prinaša
- široka
- proračun
- Proračuni
- Bug
- izgradnjo
- Building
- zgrajena
- poslovni
- vendar
- by
- klic
- CAN
- Zmogljivosti
- kapaciteta
- Kartice
- ki
- Kariera
- previdni
- primeru
- primeri
- Katalog
- centri
- Osrednji
- centralizirano
- certifikati
- izzivi
- Prvaki
- Spremembe
- naboj
- klasična
- stranke
- klinični
- kliničnih preskušanj
- kliniki
- tesno
- Cloud
- računalništvo v oblaku
- oblačna infrastruktura
- Koda
- baza kod
- Kodiranje
- sodelovanje
- sodelovanje
- kombinirani
- prihaja
- obveznosti
- Skupno
- skupnost
- Podjetja
- podjetje
- kompleksna
- skladnost
- skladno
- zapleten
- komponenta
- deli
- celovito
- Sestavljeno
- računalniški
- Izračunajte
- računalnik
- Računalniška vizija
- računalništvo
- v zvezi
- zaključuje
- vodenje
- povezane
- premislek
- premislekov
- šteje
- Posoda
- Vsebuje
- ozadje
- naprej
- neprekinjeno
- stalno
- Continuum
- nadzor
- Nadzor
- Core
- strošek
- Upravljanje stroškov
- prihranki pri stroških
- stroški
- pokritost
- ustvarjajo
- Ustvarite vrednost
- ustvaril
- Ustvarjanje
- Oblikovanje
- kritično
- medfunkcionalne ekipe
- ključnega pomena
- kurirano
- Trenutna
- Trenutno
- po meri
- stranka
- Izkušnje s strankami
- Rešitve za stranke
- Stranke, ki so
- prilagodite
- cikel
- ciklov
- datum
- Podatkovne kršitve
- Centri podatki
- Izmenjava podatkov
- Upravljanje podatkov
- Priprava podatkov
- obdelava podatkov
- znanost o podatkih
- podatkovni znanstvenik
- Varovanje podatkov
- Podatkov usmerjenih
- nabor podatkov
- Dnevi
- namenjen
- predanost
- globoko
- globoko učenje
- opredeliti
- definiranje
- Zamujena
- poda
- dostavi
- dostavo
- Povpraševanje
- zahteve
- dokazuje
- razporedi
- razporejeni
- uvajanje
- razmestitve
- opisati
- Oblikovanje
- zasnovan
- oblikovanje
- podrobno
- Odkrivanje
- Razvoj
- razvili
- Razvojni
- Razvijalci
- razvoju
- Razvoj
- diagnostiko
- Diagnostično slikanje
- diagnostika
- drugačen
- težko
- odkriti
- razpravlja
- bolezni
- izrazit
- distribucijo
- razne
- Zdravniki
- dokument
- Dokumentacija
- domena
- domen
- opravljeno
- navzdol
- odmore
- desetine
- pogon
- vozi
- vozniki
- vožnjo
- 2
- med
- dinamično
- Zgodnje
- lažje
- enostavno
- ekosistem
- Edge
- učinkovito
- učinkovitosti
- učinkovite
- učinkovito
- prizadevanja
- bodisi
- elementi
- vkrcali
- vdelava
- empatija
- omogočajo
- omogočena
- omogoča
- omogočanje
- šifriranje
- konec
- konec koncev
- prizadevanja
- sodelovanje
- inženir
- Inženiring
- Inženirji
- okrepi
- okrepljeno
- izboljšave
- Izboljša
- zagotovitev
- zagotavlja
- zagotoviti
- Podjetje
- navdušenje
- Celotna
- okolje
- okolja
- Napaka
- zlasti
- bistvena
- oceniti
- Ocena
- Tudi
- dogodki
- sčasoma
- Tudi vsak
- očitno
- evolucija
- Primer
- Primeri
- odlično
- Izmenjava
- obstoječih
- Pričakuje
- izkušnje
- izkušen
- Doživetja
- poskus
- Poskusi
- raziskuje
- razširitev
- obsežen
- ekstrakt
- Obraz
- olajša
- pravičnost
- seznanjeni
- družina
- FAST
- hitreje
- Feature
- Lastnosti
- povratne informacije
- Slika
- file
- končna
- financiranje
- prva
- Osredotočite
- osredotočena
- po
- za
- čudovito
- Naprej
- gojenje
- Fundacija
- razdrobljeno
- Okvirni
- frank
- prijatelji
- iz
- gorivo
- polno
- v celoti
- funkcionalnosti
- temeljna
- nadalje
- Poleg tega
- Prihodnost
- generacija
- generativno
- Generativna AI
- GitHub
- dana
- Globalno
- Go
- dobro
- upravljanje
- upravljanje
- vlada
- Grafične kartice
- več
- Igrišče
- Grow
- Pridelovanje
- Navodila
- voden
- ročaj
- plezalni pas
- Dovoljenje
- Imajo
- ob
- he
- Zdravje
- zdravstveni sistemi
- zdravstveno varstvo
- zdravstvena industrija
- pomoč
- pomagal
- pomoč
- Pomaga
- jo
- visoka
- visokozmogljivo
- Poudarki
- zelo
- sam
- njegov
- zgodovina
- gospodarstvo
- vodoravno
- uro
- Kako
- Vendar
- hpc
- HTML
- http
- HTTPS
- človeškega
- identificirati
- identificirati
- identifikacijo
- identiteta
- Mirovanje
- ponazarja
- slika
- slike
- slikanje
- vpliv
- nujno
- izvajati
- izvajali
- izvajanja
- Pomembno
- izboljšanje
- Izboljšave
- izboljšanju
- in
- vključujejo
- vključuje
- Vključno
- Inkluzivnost
- narašča
- kazalniki
- individualna
- industrij
- Industrija
- industrijski standardi
- neučinkovitost
- Podatki
- Infrastruktura
- na začetku
- inovacije
- Inovacije
- Inovacijska strategija
- inovativne
- vhod
- vpogledi
- Navdih
- primer
- Namesto
- zavarovanje
- integrirati
- integrirana
- integracija
- integracije
- Intelligence
- vmesnik
- vmesniki
- notranji
- Internet
- Interoperabilnost
- razlago
- intervencije
- v
- vključujejo
- vključeni
- sodelovanje
- Irina
- izolirani
- izolacija
- Vprašanja
- IT
- ponovitev
- ITS
- Job
- skupno
- Potovanje
- jpg
- Imejte
- Ključne
- znanje
- lab
- označevanje
- Pomanjkanje
- prenosniki
- velika
- Latenca
- kosilo
- plast
- vodi
- Vodja
- vodi
- UČITE
- učenje
- Pravne informacije
- pravni okvir
- manj
- Stopnja
- Vzvod
- Leverages
- Leži
- življenje
- Znanost o življenju
- Life Sciences
- življenski krog
- kot
- Meje
- rod
- linije
- v živo
- živi
- obremenitev
- lokalna
- Lokacije
- prijavi
- sečnja
- si
- ljubi
- stroj
- strojno učenje
- je
- Vzdrževalno
- vzdrževanje
- vzdržuje
- vzdrževanje
- Znamka
- IZDELA
- Izdelava
- upravljanje
- upravlja
- upravljanje
- Orodja za upravljanje
- upravitelj
- upravljanje
- obvezna
- Način
- Navodilo
- proizvodnja
- več
- Tržna
- zapadlosti
- smiselna
- ukrepe
- Mehanizmi
- medicinski
- Srečati
- člani
- metapodatki
- Metode
- meritev
- milijoni
- minimalna
- ML
- MLOps
- Model
- modeli
- Modularna
- monitor
- spremljati
- spremljanje
- več
- premikanje
- MRI
- več
- Množica
- morajo
- materni
- Narava
- potrebno
- Nimate
- potrebe
- mreženje
- Novo
- novih uporabnikov
- Naslednja
- št
- prenosnik
- Opombe
- Obvestila
- zdaj
- Številka
- predmet
- Zaznavanje objektov
- Cilji
- of
- ponujanje
- Ponudbe
- on
- Na krovu
- enkrat
- ONE
- v teku
- odprite
- open source
- deluje
- operativno
- operacije
- Priložnosti
- optimalna
- optimizacija
- Optimizirajte
- optimizirana
- optimizacijo
- or
- Oralno zdravje
- Da
- Organizacija
- organizacije
- Organizirano
- Ostalo
- drugi
- naši
- rezultatov
- oris
- zunaj
- več
- Splošni
- nadzor
- Lastnik
- vzporedno
- del
- partner
- partnerja
- partnerji
- vozovnice
- preteklosti
- Bolnik
- bolniki
- plačilna
- ljudje
- Ljudske
- za
- performance
- Dovoljenja
- Osebni
- Prilagojene
- Pionirstvo
- plinovod
- Kraj
- platforma
- Platforme
- platon
- Platonova podatkovna inteligenca
- PlatoData
- pripravljen
- politika
- Prenosljivost
- zastavljeno
- pozitiven
- Prispevek
- potencial
- moč
- močan
- vaje
- natančna
- napovedati
- prednostno
- Priprava
- Pripravimo
- pripravljeni
- ohranjanje
- tlak
- preprečiti
- , ravnateljica
- zasebnost
- Proaktivna
- Težave
- Postopki
- Postopek
- Procesi
- obravnavati
- Izdelek
- upravljanje izdelkov
- proizvodnja
- produktivnost
- Izdelki
- strokovni
- Program
- Projekt
- podatke o projektu
- projekti
- Obljublja
- Spodbujanje
- lastniško
- protokol
- zagotavljajo
- če
- ponudniki
- zagotavlja
- zagotavljanje
- javnega
- namene
- kakovost
- poizvedbe
- Hitri
- Dirka
- območje
- obsegu
- hitro
- reading
- pripravljen
- resnični svet
- v realnem času
- prejeti
- nedavno
- Priporočamo
- Priporočila
- Zmanjšana
- zmanjšanje
- registra
- urejeno
- predpisi
- regulatorni
- Skladnost z zakonodajo
- povezane
- sprostitev
- sprošča
- zanesljivost
- zanesljiv
- daljinsko
- poročilo
- Poročila
- Skladišče
- zahteva
- obvezna
- Zahteve
- zahteva
- Raziskave
- raziskave in razvoj
- vir
- viri
- Odgovor
- Rezultati
- za večkratno uporabo
- Mnenja
- revolucijo
- strog
- Tveganje
- tveganja
- robusten
- vloga
- vloge
- Run
- tek
- žrtvovanje
- sagemaker
- shranjevanje
- Prihranki
- Prilagodljivost
- razširljive
- Lestvica
- Znanost
- ZNANOSTI
- Znanstvenik
- Znanstveniki
- brezšivne
- brez težav
- drugi
- oddelki
- sektor
- zavarovanje
- varnost
- Varnostni pregledi
- Varnostni ukrepi
- višji
- ločena
- služijo
- služil
- služi
- Storitev
- Storitve
- nastavite
- Kompleti
- nastavitev
- več
- delitev
- je
- premik
- shouldnt
- razstavni
- pokazale
- Zapri
- Zaustavite
- bistveno
- Enostavno
- poenostavitev
- saj
- pametna
- So
- Software
- inženiring programske opreme
- Rešitev
- rešitve
- nekaj
- vir
- Viri
- napetost
- razponi
- prednjači
- specialist
- specifična
- posebej
- specifikacija
- hitrost
- preživeti
- Poraba
- konice
- uprizoritev
- standardi
- stojala
- Začetek
- začne
- Ustanavljanjem
- state-of-the-art
- Statistično
- Statistika
- bivanje
- shranjevanje
- trgovina
- trgovine
- shranjevanje
- naravnost
- Strateško
- strategije
- Strategija
- korakov
- stremljenje
- močna
- Struktura
- strukturirano
- studio
- uspeh
- taka
- apartma
- podpora
- Preverite
- simptom
- sistem
- sistemi
- prilagojene
- Bodite
- Naloge
- skupina
- Člani ekipe
- Skupine
- tech
- tehnični
- Tehnologije
- Tehnologija
- Telco
- telezdravja
- predloge
- Pogoji
- Test
- Testiranje
- kot
- da
- O
- Prihodnost
- njihove
- Njih
- POTEM
- Tukaj.
- s tem
- te
- jih
- tretja
- tretjih oseb
- ta
- 3
- Prag
- skozi
- vsej
- čas
- zamudno
- pravočasno
- krat
- do
- skupaj
- orodja
- proti
- Sledljivost
- sledenje
- Sledenje
- Vlak
- usposobljeni
- usposabljanje
- Transform
- Prehod
- prehodi
- Preglednost
- Potovanje
- Zdravljenje
- poskusi
- resnično
- Vrste
- tipično
- Konec koncev
- nepooblaščeno
- razumeli
- Nepričakovana
- poenoteno
- edinstven
- Edinstvenost
- enote
- Univerze
- sprostiti
- neprimerljivo
- neuporabljeno
- posodobitve
- Nadgradnje
- naprej
- uporaba
- primeru uporabe
- Rabljeni
- Uporabniki
- uporablja
- uporabo
- uporablja
- Uporaben
- potrjeno
- potrjevanje
- dragocene
- vrednost
- raznolikost
- različnih
- Popravljeno
- različica
- navpično
- zelo
- preko
- Poglej
- praktično
- Vizija
- obisk
- vizualna
- Obseg
- prostovoljec
- je
- we
- web
- spletne storitve
- Weeks
- Dobro
- so bili
- kdaj
- ki
- medtem
- WHO
- široka
- Širok spekter
- bo
- z
- v
- brez
- delo
- potek dela
- delovnih tokov
- deluje
- po vsem svetu
- let
- pridobil
- zefirnet
- cone