ResMed utilise Amazon SageMaker pour personnaliser la thérapie du sommeil de millions de patients

ResMed fournit des appareils et des masques à pression positive continue pour les personnes souffrant d'apnée du sommeil, de bronchopneumopathie chronique obstructive et d'autres troubles du sommeil. Cet équipement connecté au cloud recueille des données sur les habitudes de sommeil des patients et les partage avec eux à travers l'application d'engagement des patients myAir de ResMed. Ensuite, la fonction Smart Coaching de myAir utilise l'IA et le ML pour donner des recommandations personnalisées à chaque patient afin d'améliorer ses résultats.

En 2021, ResMed ne disposait pas de solution IA/ML en libre-service automatisée et unifiée. Elle ne pouvait donc pas effectuer des inférences en toute sécurité sur les très grands volumes de données concernant le sommeil des patients, élément nécessaire pour atteindre son objectif de 2025. La première version d'IHS a été conçue en collaboration avec Manifold, un partenaire AWS avec lequel ResMed avait de solides antécédents en matière d'innovation conjointe. Bien qu'ayant servi de preuve de concept, le cadre basé sur des conteneurs a été développé par des scientifiques des données qui ont chacun utilisé des outils différents, les obligeant à assumer la responsabilité de cette infrastructure à perpétuité. « Laisser à un développeur le soin de créer sa propre boîte à outils n'est pas évolutif, et cela ne nous permettra pas non plus d'atteindre la qualité rigoureuse que nous recherchons pour un produit final », déclare Badri Raghavan, Vice President for AI and ML chez ResMed.

ResMed a choisi Amazon SageMaker pour créer une solution IA/ML centralisée et standardisée, car SageMaker pouvait effectuer une mise à l'échelle mondiale et se connectait bien aux solutions que l'entreprise utilisait déjà pour le stockage de données. En 2018, ResMed avait créé sur AWS un lac de données conforme aux réglementations régionales en matière de données. Amazon SageMaker se connecte facilement à ce lac de données via AWS Glue, un service d'intégration de données sans serveur qui facilite la découverte, la préparation et la combinaison de données à des fins d'analyse, de machine learning et de développement d'applications.

Début 2022, en collaboration avec Manifold, ResMed a commencé à créer une deuxième version d'IHS, sa solution de ML de nouvelle génération. Pour bénéficier d'aide, l'équipe a participé à AWS Data Lab. Ce dispositif offre des engagements techniques communs et accélérés entre les clients et les ressources techniques AWS. L'objectif est de créer des livrables tangibles qui accélèrent les initiatives de modernisation des données, de l'analytique, de l'IA/du ML et des applications. « L'AWS Data Lab était formidable », déclare Philomena Lamoureaux, Senior Manager of ML and AI chez ResMed. « Nos développeurs avaient du temps réservé au développement et à la formation nécessaires à cette preuve de concept. » Après l'AWS Data Lab, l'adoption d'Amazon SageMaker par ResMed a plus que doublé en 3 mois. La solution prototype a été déployée en avril 2022, deux mois seulement après que ResMed a travaillé aux côtés de l'équipe AWS Data Lab. En outre, les fonctionnalités fondamentales d'IA/de ML de la solution IHS sur Amazon SageMaker ont été déployées en 6 mois.

La solution IA/ML de ResMed utilise Amazon SageMaker Processing pour exécuter les charges de travail de prétraitement, de post-traitement et d'évaluation des modèles sur une infrastructure entièrement gérée. ResMed tire parti de nombreuses fonctionnalités d'Amazon SageMaker pour entraîner des modèles et des pipelines et pour choisir les types de déploiement, y compris les inférences en temps quasi réel et par lots. (Voir la Figure 1 pour plus de détails sur l'architecture des solutions de ResMed.) Ces modèles ML fournissent des prévisions en temps quasi réel à l'application myAir, qui adapte ensuite le contenu et le diffuse aux utilisateurs de myAir. Chaque modèle ML crée jusqu'à 2 millions de prédictions par jour. Outre les notifications intégrées à l'application, myAir envoie également des campagnes d'e-mail personnalisées aux clients à l'aide d'Amazon Pinpoint, un service de communication marketing sortant et entrant flexible et évolutif.

« Auparavant, tous les utilisateurs de myAir recevaient des messages similaires de la part de l'application », explique Urvashi Tyagi, Chief Technology Officer chez ResMed. « IHS a facilité les interactions personnalisées avec les patients via myAir en fonction de l'appareil ResMed qu'ils utilisent, de leurs heures de veille et de données contextuelles supplémentaires. » Aujourd'hui, plus de 18,5 millions de patients bénéficient d'un contenu et d'une expérience personnalisés. « Notre équipe peut s'assurer que les patients bénéficient de toutes les données dont nous disposons », explique Prakhar Shukla, Director of Data Engineering chez ResMed.

Les scientifiques des données de ResMed disposent désormais de plus de temps et de flexibilité. « Le déploiement, le service et la surveillance sont rationalisés et automatisés autant que possible afin que les scientifiques des données puissent créer un modèle sans être liés à l'infrastructure qu'ils construisent, explique Philomena Lamoureaux. Ils peuvent passer à autre chose et disposer de l'espace nécessaire pour faire preuve de créativité. » Grâce à Amazon SageMaker, les scientifiques des données de ResMed accélèrent la mise sur le marché. Ils peuvent déployer des modèles de ML en quelques jours ou semaines seulement (plutôt que quelques mois précédemment) et réduire le temps de traitement du pipeline IA/ML de plusieurs heures.

ResMed a utilisé Amazon SageMaker pour développer rapidement la solution IA/ML IHS qui permet de personnaliser le traitement du sommeil de plus de 18,5 millions de patients dans le monde. « Avant d'adopter Amazon SageMaker, tous les utilisateurs de myAir recevaient les mêmes messages de l'application au même moment, quel que soit leur état de santé, explique Badri Raghavan. Amazon SageMaker a contribué à proposer des traitements plus personnalisés aux utilisateurs de ResMed. Nous avons profité des fonctionnalités d'Amazon SageMaker pour entraîner des pipelines de modèles et choisir des types de déploiement, notamment des inférences en temps quasi réel et par lots, afin de fournir un contenu sur mesure aux utilisateurs de myAir. » En outre, explique Badri Raghavan, « Amazon SageMaker nous a aidés à atteindre notre objectif principal : intégrer des fonctionnalités de ML au sein de notre organisation mondiale, en déployant des modèles de ML en quelques jours ou semaines, au lieu de plusieurs mois. »