För kunder som vill implementera en GxP-kompatibel miljö på AWS för artificiell intelligens (AI) och maskininlärning (ML) har vi släppt ett nytt whitepaper: Best Practices för maskininlärning inom hälsovård och biovetenskap.
Detta whitepaper ger en översikt över säkerhet och goda ML-efterlevnadspraxis och vägledning för att bygga GxP-reglerade AI/ML-system med hjälp av AWS-tjänster. Vi täcker de punkter som tagits upp av FDA diskussionspapper och Bra maskininlärningsmetoder (GMLP) samtidigt som man drar från AWS-resurser: vitboken GxP-system på AWS och Maskininlärningsobjektiv från AWS Well-Architected Framework. Vitboken har utvecklats baserat på vår erfarenhet med och feedback från AWS läkemedels- och medicintekniska kunder, samt AWS-partners, som för närvarande använder AWS-tjänster för att utveckla ML-modeller.
Vård- och livsvetenskapskunder (HCLS) använder AWS AI- och ML-tjänster snabbare än någonsin tidigare, men de möter också följande regulatoriska utmaningar under implementeringen:
- Bygga en säker infrastruktur som följer strikta regulatoriska processer för att arbeta på det offentliga molnet och anpassa sig till FDA:s ramverk för AI och ML.
- Stödjer AI/ML-aktiverade lösningar för GxP-arbetsbelastningar som täcker följande:
- reproducerbarhet
- Spårbarhet
- Dataintegritet
- Övervakning av ML-modeller med avseende på olika förändringar av parametrar och data.
- Hantera modellosäkerhet och konfidenskalibrering.
I vår vitt papper, lär du dig om följande ämnen:
- Hur AWS närmar sig ML i en reglerad miljö och ger vägledning om Good Machine Learning Practices med hjälp av AWS-tjänster.
- Vårt organisatoriska förhållningssätt till säkerhet och efterlevnad som stöder GxP-krav som en del av modell med delat ansvar.
- Hur man reproducerar arbetsflödesstegen, spårar modell- och datauppsättningslinje och etablerar modellstyrning och spårbarhet.
- Hur man övervakar och underhåller dataintegritet och kvalitetskontroller för att upptäcka avvikelser i data och modellkvalitet.
- Bästa metoder för säkerhet och efterlevnad för att hantera AI/ML-modeller på AWS.
- Olika AWS-tjänster för att hantera ML-modeller i en reglerad miljö.
AWS är dedikerade till att hjälpa dig att framgångsrikt använda AWS-tjänster i reglerade miljöer inom biovetenskap för att påskynda din forskning, utveckling och leverans av nästa generations medicinska, hälso- och hälsolösningar.
Kontakta oss med frågor om att använda AWS-tjänster för AI/ML i GxP-system. Om du vill veta mer om efterlevnad i molnet, besök AWS-överensstämmelse. Du kan också kolla in följande resurser:
- Tillämpa AWS-modellen för delat ansvar på din GxP-lösning
- Automatisera GxP-efterlevnad i molnet: bästa praxis och riktlinjer för arkitektur
- Operativa bästa praxis för AI och ML
- Introduktion av det välbyggda ramverket för maskininlärning
- Maskininlärningsobjektiv
Om författarna
Susant Mallick är en industrispecialist och digital evangelist inom AWS Global Healthcare and Life-Sciences praxis. Han har över 20+ års erfarenhet inom Life Science-branschen och arbetar med biofarmaceutiska och medicintekniska företag i Nordamerika, APAC och EMEA-regionerna. Han har byggt många digitala hälsoplattformar och lösningar för patientengagemang med hjälp av mobilappar, AI/ML, IoT och andra teknologier för kunder inom olika terapeutiska områden. Han har en B.Tech-examen i elektroteknik och MBA i finans. Hans tankeledarskap och branschexpertis fick många utmärkelser i läkemedelsindustrins forum.
Sai Sharanya Nalla är Sr. Data Scientist på AWS Professional Services. Hon arbetar med kunder för att utveckla och implementera AI/ML och HPC-lösningar på AWS. På fritiden tycker hon om att lyssna på poddar och ljudböcker, ta långa promenader och engagera sig i uppsökande verksamhet.
- Myntsmart. Europas bästa bitcoin- och kryptobörs.
- Platoblockchain. Web3 Metaverse Intelligence. Kunskap förstärkt. FRI TILLGÅNG.
- CryptoHawk. Altcoin radar. Gratis provperiod.
- Källa: https://aws.amazon.com/blogs/machine-learning/whitepaper-machine-learning-best-practices-in-healthcare-and-life-sciences/
- "
- 100
- Om Oss
- accelerera
- tvärs
- aktiviteter
- AI
- amason
- amerika
- app
- tillvägagångssätt
- arkitektur
- konstgjord
- artificiell intelligens
- Konstgjord intelligens (AI)
- AWS
- BÄST
- bästa praxis
- Byggnad
- utmaningar
- Kontroller
- cloud
- Företag
- Efterlevnad
- förtroende
- Kunder
- datum
- datavetare
- dedicerad
- leverans
- utveckla
- utvecklade
- Utveckling
- anordning
- digital
- ingrepp
- Teknik
- Miljö
- etablera
- erfarenhet
- expertis
- Ansikte
- snabbare
- FDA
- återkoppling
- finansiering
- efter
- Ramverk
- generering
- Välgörenhet
- god
- styrning
- Hälsa
- hälso-och sjukvård
- innehar
- HTTPS
- genomföra
- genomförande
- industrin
- Infrastruktur
- integritet
- Intelligens
- iot
- Ledarskap
- LÄRA SIG
- inlärning
- Life Sciences
- Lyssna
- Lång
- du letar
- Maskinen
- maskininlärning
- bibehålla
- hantera
- medicinsk
- ML
- Mobil
- Mobil app
- modell
- modeller
- Övervaka
- mer
- Nord
- nordamerika
- organisatoriska
- Övriga
- partner
- Pharma
- Läkemedelsindustrin
- plattform
- Podcasts
- praktiken
- processer
- professionell
- ger
- allmän
- Offentligt moln
- kvalitet
- regulatorer
- Krav
- forskning
- Resurser
- ansvaret
- Vetenskap
- VETENSKAPER
- Forskare
- säkra
- säkerhet
- Tjänster
- delas
- Lösningar
- Framgångsrikt
- Stöder
- System
- tech
- Tekniken
- tanke ledarskap
- tid
- ämnen
- Spårbarhet
- spår
- användning
- olika
- medan
- whitepaper
- VEM
- arbetssätt
- fungerar
- år