ResMed 使用 Amazon SageMaker 为数百万患者提供个性化睡眠疗法

ResMed 为患有睡眠呼吸暂停、慢性阻塞性肺病和其他睡眠障碍的人提供持续气道正压装置和面罩。这款连接云的设备可收集有关患者睡眠模式的数据，并通过 ResMed 的 myAir 患者参与应用程序与患者共享。然后，myAir 的智能指导功能使用 AI/ML 向每位患者提出定制建议，以改善疗效。

2021 年，ResMed 没有自动化、统一的 AI/ML 自助服务解决方案，无法对大量患者睡眠数据进行推断，不能保证在 2025 年之前实现其目标。因此 ResMed 与 AWS 合作伙伴 Manifold 共同开发了 IHS 的第一个版本，这两个公司在联合创新方面有着良好的记录。尽管这一平台在概念验证方面取得了成功，但基于容器的框架是由数据科学家开发的，他们每个人都使用不同的工具，要始终为该基础设施负责。ResMed 负责人工智能和机器学习的副总裁 Badri Raghavan 说：“让每个开发者自己构建工具箱，平台将不可扩展，最终产品也无法符合严格的质量标准。”

ResMed 之所以选择用 Amazon SageMaker 来构建集中化、标准化的 AI/ML 解决方案，是因为它可以在全球范围内扩展，并且能够较好地与该公司已经用于数据存储的解决方案连接。2018 年，ResMed 在 AWS 上建立了一个符合地区数据法规的数据湖。Amazon SageMaker 通过 AWS Glue 与该数据湖无缝连接，AWS Glue 是一种无服务器数据集成服务，可轻松发现、准备和合并用于分析、机器学习和应用程序开发的数据。

除了构建 Manifold 之外，ResMed 还于 2022 年初开始构建新一代机器学习解决方案，即 IHS 的第二个版本。为了得到指导，该团队还加入了 AWS Data Lab，AWS Data Lab 在客户和 AWS 技术人员之间建立加速的联合工程合作，旨在创建可加速数据、分析、AI/ML、应用程序现代化举措的切实可交付成果。ResMed 机器学习和人工智能高级经理 Philomena Lamoureaux 说：“AWS Data Lab 很棒，”“它让我们的开发人员得以空出时间，把精力集中到开发和概念验证教育上。” 使用 AWS Data Lab 之后，ResMed 的 Amazon SageMaker 采用率在 3 个月内翻了一倍多。ResMed 与 AWS Data Lab 团队合作仅两个月之后，即于 2022 年 4 月推出该原型解决方案，又在不到 6 个月的时间内就在 Amazon SageMaker 上部署了 IHS 解决方案的基础 AI/ML 功能。

ResMed 的 AI/ML 解决方案使用 Amazon SageMaker Processing，在完全托管的基础设施上运行预处理、后处理和模型评估工作负载。ResMed 利用许多 Amazon SageMaker 功能来训练模型和管道并选择部署类型，包括近实时和批量推断。（有关 ResMed 解决方案架构的更多详细信息，请参阅图 1。） 这些机器学习模型为 myAir 应用程序提供近乎实时的预测，然后 myAir 为用户量身定制并提供内容。每个机器学习模型每天最多可创建 200 万个预测。除了应用内通知，myAir 还使用 Amazon Pinpoint 向客户发送个性化电子邮件营销活动，Amazon Pinpoint 是一项灵活且可扩展的出站和入站营销通信服务。

ResMed 首席技术官 Urvashi Tyagi 说：“以前，该应用程序向所有 myAir 用户发送的消息大同小异。”“而 IHS 能够通过 myAir，根据患者使用的 ResMed 设备、醒来时间和其他情境数据，促进与患者的个性化互动。” 现在，超过 1850 万名患者享受量身定制的内容和个性化体验。ResMed 数据工程总监 Prakhar Shukla 说：“团队会确保掌握的一切数据能让患者受益。”

ResMed 的数据科学家得以拥有更多时间，从而享受更多的灵活性。Lamoureaux 说：“我们尽可能简化和自动化了部署、服务和监控，让数据科学家不必再受制于构建的基础设施，能够自由地创建模型。”“他们可以继续创新、发挥创造力。” 以前，ResMed 的数据科学家需要用几个月来部署机器学习模型，而使用 Amazon SageMaker 后，则可以在几天或几周内完成部署，AI/ML 管道的处理时间也缩短了几个小时，因而加快了上市时间。

ResMed 使用 Amazon SageMaker 快速构建 AI/ML IHS 解决方案，为全球 1850 多万患者提供个性化睡眠治疗。Raghavan 说：“在采用 Amazon SageMaker 之前，该应用程序会在同一时间向所有 myAir 用户发送相同的消息，无论他们的状况如何，”“使用 Amazon SageMaker 后，ResMed 用户得到了更为个性化的治疗。我们利用 Amazon SageMaker 的功能来训练模型管道并选择部署类型，包括近实时和批量推理，以向 myAir 用户提供量身定制的内容。” 此外，Raghavan 说：“Amazon SageMaker 不需要几个月，只用了几天或几周就部署了机器学习模型，帮助我们实现了在整个全球组织中嵌入机器学习功能的关键目标。”