适用于医疗保健和生命科学的 Amazon SageMaker
如今，成千上万的客户，包括领先的医疗保健和生命科学（HCLS）组织，例如 GE Healthcare、Cerner、Bristol Myers Squibb、Roche 等，都在使用 Amazon SageMaker 进行机器学习（ML）。HCLS 行业面临着越来越大的压力，需要提供更加个性化的治疗，简化流程，实现制药价值链各个方面的现代化，并确保患者信息私密且安全。机器学习通过自动识别 X 光片等医学图像中的异常、根据历史数据和文件制定个性化医疗保健治疗计划，以及识别可疑的医疗保健索赔来应对这些挑战，这样 HCLS 组织就可以以更低的成本提供更高质量、更全面的治疗。SageMaker 使患者、提供商、支付方和研究人员能够准备、构建、训练和部署高质量的机器学习模型，并提供内置解决方案，以更快地开始使用机器学习。
Amazon SageMaker 的常见应用场景
从文档中提取和分析数据
为了更快地做出决策，医疗保健和生命科学组织需要理解医疗文件（例如患者表格）中的文本。借助 Amazon SageMaker，您可以构建机器学习模型以自动提取、处理和分析手写和电子文档中的数据，从而可以更快、更准确地处理文档。SageMaker 提供内置机器学习算法，这些算法针对文本分类、自然语言处理（NLP）和光学字符识别（OCR）进行了优化，您可以随时使用这些算法来训练和部署模型，也可以使用 Amazon SageMaker Autopilot 自动生成文本处理模型。
欺诈检测
为了确保患者数据的安全，医疗保健和生命科学组织需要使用欺诈检测模型来发现可疑的医疗索赔，以免其影响客户。借助 Amazon SageMaker，您可以构建机器学习模型，在可疑交易发生之前对其进行检测，并及时提醒客户。SageMaker 内置了可用来训练和部署欺诈检测模型的机器学习算法，例如随机砍伐森林和 XGBoost。此外，SageMaker 提供了一套欺诈检测解决方案，只需点击几下即可部署。
异常检测
医疗保健和生命科学组织继续寻找能自动识别异常和加速患者诊断的方法。借助 Amazon SageMaker，您可以构建计算机视觉模型来发现医学图像中的异常，并自动标记以进行深入分析和诊断。SageMaker 提供了一套广泛的为机器学习定制的功能，包括为计算机视觉优化的内置算法，如图像分类。这类算法可以改善对患者的诊断，减少诊断中的主观性，并帮助病理学家节省时间。
药物研发
疾病理解和药物研发可能是繁琐而耗时的过程，因此生命科学公司不断寻找加速药物研发过程的方法。借助 Amazon SageMaker，您可以轻松地为各种应用场景标记训练数据，从而缩短训练和部署高度准确的机器学习模型所需的时间。通过使用 SageMaker 来自动执行这种繁琐的工作，生命科学公司能够加速药物发现过程，更迅速地将药物推向市场，并提供改变生活的药物，为患者和社会创造价值。
客户
利用 Amazon SageMaker 和 Amazon EC2 P3 实例，Celgene（现属于 Bristol Myers Squibb）加快模型训练速度并提高了生产率，让团队能够专注于突破性的研究和发现。
GE Healthcare 正在通过为提供商和患者交付更好的成果来对医疗保健进行转型。借助 Amazon SageMaker，GE Healthcare 可以通过强大的人工智能工具和服务来促进患者护理的改善。
AWS 帮助 Novartis 通过整合对所有信息的访问来转变其制造流程，并使 Novartis 能够快速、明智地做出关键决策。 他们正在使用 Amazon SageMaker 构建一个基于计算机视觉的模型，该模型将确定生产线的清晰度。
Propeller Health 将 ML 与 Amazon SageMaker 和 Amazon Redshift 等解决方案以及基于 AWS 构建的基础设施一起应用，能够根据当地天气状况、最近的药物使用情况和其他因素为患者提供健康预测。
Amazon SageMaker