ResMed utiliza Amazon SageMaker para personalizar la terapia del sueño para millones de pacientes

ResMed ofrece dispositivos de presión positiva continua en la vía respiratoria y mascarillas para gente con apnea del sueño, enfermedad pulmonar obstructiva crónica y otros trastornos del sueño. Este equipo conectado a la nube recopila datos de los patrones de sueño de los pacientes y los comparte con ellos a través de la aplicación de ResMed, llamada myAir. Luego, la función Smart Coaching de MyAir utiliza AI y ML para enviar recomendaciones personalizadas para cada paciente a fin de mejorar sus resultados.

En 2021, ResMed no disponía de una solución de autoservicio de IA y ML unificada y automatizada para realizar inferencias de forma segura a partir de los enormes volúmenes de datos sobre el sueño de los pacientes necesarios para cumplir su objetivo para 2025. La primera versión de IHS se creó junto con Manifold, un socio de AWS con el que ResMed tenía un sólido historial de innovación conjunta. Aunque tuvo éxito como prueba de concepto, el marco basado en contenedores fue desarrollado por científicos de datos, cada uno de los cuales utilizó diferentes herramientas, lo que los obligó a asumir la responsabilidad de esa infraestructura a perpetuidad. «Dejar que un desarrollador individual cree su propia caja de herramientas no es escalable ni nos permitirá alcanzar la calidad rigurosa que queremos en un producto final», afirma Badri Raghavan, vicepresidente de IA y ML de ResMed.

ResMed eligió Amazon SageMaker para crear una solución de IA y ML estandarizada y centralizada porque se escalaba a nivel mundial y se conectaba bien con las soluciones que la empresa ya utilizaba para el almacenamiento de datos. Para 2018, ResMed ya tenía un lago de datos en AWS que cumplía con las normas de datos regionales. Amazon SageMaker se conecta sin problemas con este lago de datos a través de AWS Glue, un servicio de integración de datos sin servidor que facilita el descubrimiento, la preparación y la combinación de datos para el análisis, el aprendizaje automático y el desarrollo de aplicaciones.

Junto con Manifold, ResMed comenzó a crear una segunda versión de IHS, su solución de aprendizaje automático de última generación, a principios de 2022. Para obtener orientación, el equipo formó parte de AWS Data Lab, que ofrece proyectos de ingeniería conjuntos y acelerados entre los clientes y los recursos técnicos de AWS para generar resultados tangibles que agilicen las iniciativas de datos, analítica, IA/ML y modernización de aplicaciones. «El AWS Data Lab fue fantástico», afirma Philomena Lamoureaux, gerente sénior de ML e IA de ResMed. «Teníamos tiempo reservado para que nuestros desarrolladores se centraran únicamente en el desarrollo y la formación de esta prueba de concepto». Tras el AWS Data Lab, la incorporación de Amazon SageMaker en ResMed se duplicó con creces en 3 meses. La solución prototipo se lanzó en abril de 2022, solo 2 meses después de que ResMed trabajara junto con el equipo de AWS Data Lab, y las capacidades fundamentales de IA y ML de la solución de IHS en Amazon SageMaker se implementaran en un plazo de 6 meses.

La solución de inteligencia artificial y aprendizaje automático de ResMed utiliza Amazon SageMaker Processing para ejecutar cargas de trabajo de procesamiento previo y posterior, y evaluación de modelos en una infraestructura totalmente gestionada. ResMed aprovecha muchas funciones de Amazon SageMaker para entrenar modelos y canalizaciones, y elegir los tipos de implementación, incluidas las inferencias casi en tiempo real y por lotes. (Consulta la figura 1 para obtener más detalles sobre la arquitectura de soluciones de ResMed). Estos modelos de aprendizaje automático ofrecen predicciones casi en tiempo real a la aplicación MyAir, que luego personaliza y entrega el contenido a los usuarios de MyAir. Cada modelo de aprendizaje automático crea hasta 2 millones de predicciones por día. Además de las notificaciones integradas en la aplicación, MyAir también envía campañas de correo electrónico personalizadas a los clientes mediante Amazon Pinpoint, un servicio flexible y escalable de comunicaciones de marketing entrantes y salientes.

«Antes, todos los usuarios de MyAir recibían mensajes similares desde la aplicación», afirma Urvashi Tyagi, director de tecnología de ResMed. «IHS ha facilitado las interacciones personalizadas con los pacientes a través de MyAir en función del dispositivo de ResMed que utilizan, sus horas de vigilia y los datos contextuales adicionales». Ahora, más de 18 millones y medio de pacientes disfrutan de contenido y una experiencia personalizados. «Nuestro equipo puede asegurarse de que los pacientes se beneficien de todos los datos que tenemos», afirma Prakhar Shukla, director de ingeniería de datos de ResMed.

Los científicos de datos de ResMed ahora tienen más tiempo y flexibilidad. «La implementación, el servicio y el monitoreo se simplifican y automatizan en la medida de lo posible para que los científicos de datos puedan crear un modelo sin estar atados a la infraestructura que crean», afirma Lamoureaux. «Pueden seguir adelante y tener el espacio para ser creativos». Con Amazon SageMaker, los científicos de datos de ResMed aceleran el tiempo de comercialización al implementar modelos de aprendizaje automático en días o semanas en comparación con los meses anteriores, y al reducir en varias horas el tiempo de procesamiento de la canalización de IA y aprendizaje automático.

ResMed usó Amazon SageMaker para crear de manera rápida la solución IHS con IA/ML que es compatible con la personalización de la terapia del sueño para más de 18,5 millones de pacientes en todo el mundo. «Antes de usar Amazon SageMaker, todos los usuarios de myAir recibían los mismos mensajes por parte de la aplicación al mismo tiempo, independientemente de la afección que tuvieran», afirma Raghavan. «Amazon SageMaker ha ayudado a facilitar una terapia más personalizada para los usuarios de ResMed. Sacamos provecho de las funciones de Amazon SageMaker para entrenar canalizaciones de modelo y para escoger los tipos de implementación, incluidas las inferencias casi en tiempo real y en lote para entregar contenido personalizado a los usuarios de myAir». Además, afirma Raghavan, «Amazon SageMaker nos ha ayudado a alcanzar nuestro objetivo clave de integrar las capacidades de aprendizaje automático en toda nuestra organización global mediante la implementación de modelos de aprendizaje automático en días o semanas, en comparación con meses».