ResMed Menggunakan Amazon SageMaker untuk Mempersonalisasi Terapi Tidur bagi Jutaan Pasien

ResMed menyediakan alat tekanan saluran udara berkesinambungan dan masker untuk orang-orang yang menderita apnea tidur, penyakit paru obstruktif kronis, dan gangguan tidur lainnya. Peralatan yang terhubung dengan cloud ini mengumpulkan data mengenai pola tidur pasien dan membagikannya dengan pasien melalui aplikasi keterlibatan pasien, yaitu myAir dari ResMed. Kemudian, fitur Smart Coaching dari myAir menggunakan AI/ML untuk memberikan rekomendasi khusus kepada setiap pasien untuk meningkatkan hasil mereka.

Pada tahun 2021, ResMed tidak memiliki solusi layanan mandiri AI/ML terpadu yang otomatis untuk menjalankan inferensi dengan aman melalui volume data tidur pasien yang sangat besar yang diperlukan untuk memenuhi target tahun 2025. Versi pertama IHS dibangun bersama Manifold, partner AWS, yang dengannya ResMed memiliki rekam jejak yang kuat dalam inovasi bersama. Meskipun berhasil sebagai bukti konsep, kerangka berbasis kontainer dikembangkan oleh ilmuwan data yang masing-masing menggunakan alat yang berbeda, yang memaksa mereka untuk bertanggung jawab atas infrastruktur itu selamanya. “Menyerahkannya kepada developer individu untuk membangun kotak peralatan mereka sendiri tidak dapat diukur, juga tidak akan mengarah pada kualitas ketat yang kami inginkan pada produk akhir,” kata Badri Raghavan, vice president ResMed untuk AI dan ML.

ResMed memilih Amazon SageMaker untuk membangun solusi AI/ML terpusat dan terstandardisasi karena sudah berskala global dan terhubung dengan baik dengan solusi yang sudah digunakan perusahaan untuk penyimpanan data. Pada tahun 2018, ResMed telah membangun danau data di AWS yang sesuai dengan peraturan data regional. Amazon SageMaker terhubung secara mulus dengan danau data ini melalui AWS Glue, layanan integrasi data nirserver yang membuatnya mudah untuk menemukan, menyiapkan, dan menggabungkan data untuk analitik, ML, dan pengembangan aplikasi.

Bersama Manifold, ResMed mulai membangun versi kedua IHS, solusi ML generasi berikutnya, pada awal tahun 2022. Untuk panduan, tim ikut serta dalam AWS Data Lab, yang menawarkan keterlibatan rekayasa bersama yang dipercepat antara pelanggan dan sumber daya teknis AWS untuk memberikan hasil nyata yang mempercepat inisiatif modernisasi data, analitik, AI/ML, dan aplikasi. “AWS Data Lab sangat bagus,” kata Philomena Lamoureaux, senior manager untuk ML dan AI di ResMed. “Waktu yang kami berikan untuk developer kami terbatas hanya untuk fokus pada pengembangan dan pendidikan bukti konsep ini.” Setelah AWS Data Lab, penggunaan Amazon SageMaker di ResMed meningkat lebih dari dua kali lipat dalam 3 bulan. Solusi prototipe diluncurkan pada April 2022, hanya 2 bulan setelah ResMed bekerja bersama tim AWS Data Lab, dan kemampuan AI/ML dasar dari solusi IHS di Amazon SageMaker dilakukan deployment dalam waktu 6 bulan.

Solusi AI/ML ResMed menggunakan Amazon SageMaker Processing untuk menjalankan beban kerja prapemrosesan, pascapemrosesan, dan evaluasi model pada infrastruktur yang dikelola sepenuhnya. ResMed memanfaatkan banyak fitur Amazon SageMaker untuk melatih model dan pipeline serta memilih jenis deployment, termasuk inferensi mendekati waktu nyata dan batch. (Lihat Gambar 1 untuk detail lebih lanjut tentang arsitektur solusi ResMed.) Model ML ini memberikan prediksi mendekati waktu nyata ke aplikasi myAir yang kemudian menyesuaikan dan mengirimkan konten kepada pengguna myAir. Setiap model ML membuat hingga 2 juta prediksi per hari. Selain notifikasi dalam aplikasi, myAir juga mengirimkan kampanye email yang dipersonalisasi kepada pelanggan menggunakan Amazon Pinpoint, layanan komunikasi pemasaran keluar dan masuk yang fleksibel dan dapat diskalakan.

“Sebelumnya, semua pengguna myAir akan menerima pesan yang serupa dari aplikasi,” kata Urvashi Tyagi, chief technology officer di ResMed. “IHS telah memfasilitasi interaksi yang dipersonalisasi dengan pasien melalui myAir berdasarkan perangkat ResMed yang mereka gunakan, jam bangun mereka, dan data kontekstual tambahan.” Sekarang, lebih dari 18,5 juta pasien menikmati konten yang disesuaikan dan pengalaman yang dipersonalisasi. “Tim kami dapat memastikan pasien mendapatkan manfaat dari semua data yang kami miliki,” kata Prakhar Shukla, director of data engineering di ResMed.

Ilmuwan data ResMed sekarang memiliki lebih banyak waktu dan fleksibilitas. “Deployment, penyajian, dan pemantauan disederhanakan dan diotomatisasi sebanyak mungkin sehingga ilmuwan data dapat membuat model tanpa terikat dengan infrastruktur yang mereka bangun,” kata Lamoureaux. “Mereka dapat melanjutkan dan memiliki ruang untuk menjadi kreatif.” Dengan menggunakan Amazon SageMaker, ilmuwan data ResMed bisa mempercepat waktu masuk pasar dengan melakukan deployment model ML dalam hitungan hari atau minggu daripada hitungan bulan sebelumnya dan dengan memangkas waktu untuk pemrosesan pipeline AI/ML sebanyak beberapa jam.

ResMed menggunakan Amazon SageMaker untuk membangun secara cepat solusi IHS AI/ML yang mendukung personalisasi terapi tidur bagi lebih dari 18,5 juta pasien di seluruh dunia. “Sebelum menggunakan Amazon SageMaker, semua pengguna myAir akan menerima pesan yang sama dari aplikasi secara bersamaan, bagaimana pun keadaan mereka,” kata Raghavan. “Amazon SageMaker telah membantu memfasilitasi terapi yang lebih personal untuk pengguna ResMed. Kami memanfaatkan fitur Amazon SageMaker untuk melatih pipeline model dan untuk memilih tipe deployment, termasuk inferensi mendekati waktu nyata dan batch untuk menghasilkan konten khusus untuk pengguna myAir.” Selain itu, Raghavan menambahkan, “Amazon SageMaker telah membantu kami mencapai tujuan utama kami untuk menyematkan kemampuan ML di seluruh organisasi global kami dengan melakukan deployment model ML dalam hitungan hari atau minggu daripada hitungan bulan.”