Amazon SageMaker per la sanità e le scienze della vita
Oggi, decine di migliaia di clienti, comprese le principali organizzazioni sanitarie e delle scienze della vita (HCLS), come GE Healthcare, Cerner, Bristol Myers Squibb, Roche e altre, utilizzano Amazon SageMaker per il machine learning (ML). Il settore HCLS deve far fronte a crescenti pressioni per fornire trattamenti più personalizzati, semplificare i processi, modernizzare ogni aspetto della catena del valore farmaceutico e mantenere le informazioni dei pazienti private e sicure. Il machine learning affronta queste sfide in vari modi: identifica automaticamente le anomalie nelle immagini mediche, come le radiografie, crea piani di trattamento sanitario personalizzati basati su dati e documenti storici e identifica le richieste sanitarie sospette. Tutto ciò aiuta le organizzazioni HCLS a offrire un trattamento più olistico e di qualità superiore a costi inferiori. SageMaker consente a pazienti, fornitori, pagatori e ricercatori di preparare, creare, addestrare e implementare modelli di ML di alta qualità e offre soluzioni integrate per iniziare a utilizzare il ML più velocemente.
Principali casi d'uso per Amazon SageMaker
Estrazione e analisi di dati da documenti
Per prendere decisioni più rapidamente, le organizzazioni sanitarie e delle scienze della vita devono comprendere il testo contenuto nei documenti medici, come i moduli per i pazienti. Con Amazon SageMaker, è possibile creare modelli di ML per estrarre, elaborare e analizzare automaticamente i dati da documenti manoscritti e digitali per elaborare i documenti in modo più rapido e preciso. SageMaker fornisce algoritmi di ML integrati ottimizzati per la classificazione del testo, l'elaborazione del linguaggio naturale (NLP) e il riconoscimento ottico dei caratteri (OCR), che puoi facilmente utilizzare per addestrare e implementare i modelli. Con Pilota automatico Amazon SageMaker, invece, è possibile generare automaticamente modelli di elaborazione del testo.
Rilevamento delle frodi
Per proteggere i dati dei pazienti, è importante che le organizzazioni sanitarie e delle scienze della vita utilizzino modelli di rilevamento delle frodi al fine di individuare le richieste sanitarie sospette prima che abbiano un impatto sui clienti. Con Amazon SageMaker, è possibile creare modelli di ML per rilevare le transazioni sospette prima che vadano a buon fine e avvisare i clienti in modo tempestivo. È possibile utilizzare gli algoritmi di ML integrati di SageMaker, come Random Cut Forrest e XGBoost, per addestrare e implementare rapidamente modelli di rilevamento delle frodi. Inoltre, SageMaker fornisce una serie di soluzioni per il rilevamento delle frodi implementabili con pochi clic.
Rilevamento delle anomalie
Le organizzazioni sanitarie e delle scienze della vita continuano a cercare dei modi per identificare automaticamente le anomalie e accelerare la diagnosi dei pazienti. Amazon SageMaker permette di creare modelli di visione artificiale per individuare le anomalie nelle immagini mediche e segnalarle automaticamente per ulteriori analisi e diagnosi più approfondite. SageMaker offre un'ampia gamma di funzionalità dedicate al machine learning, tra i quali algoritmi integrati ottimizzati per la visione artificiale, come la classificazione delle immagini, che possono migliorare la diagnosi dei pazienti e ridurne la soggettività, permettendo ai patologi di risparmiare tempo.
Sviluppo di farmaci
Le ricerche necessarie per comprendere le malattie e sviluppare nuovi farmaci possono essere faticose e richiedere molto tempo. Per questo motivo, le aziende del settore delle scienze della vita sono costantemente alla ricerca di nuovi modi per accelerare il processo di sviluppo dei farmaci. Con Amazon SageMaker, è possibile etichettare facilmente i dati di addestramento per una varietà di casi d'uso in modo da velocizzare i tempi di addestramento e implementazione di modelli di ML estremamente accurati. Automatizzando questo lavoro faticoso con SageMaker, le aziende del settore delle scienze della vita possono accelerare il processo di scoperta dei farmaci e introdurli sul mercato più rapidamente, concentrandosi sull'offerta di farmaci rivoluzionari e davvero utili per i pazienti e la società.
Clienti
Con Amazon SageMaker e le istanze P3 di Amazon EC2, Celgene (ora parte di Bristol Myers Squibb) ha accelerato i tempi di addestramento e la produttività dei modelli, permettendo ai team di concentrarsi su ricerche e scoperte rivoluzionarie.
GE Healthcare sta trasformando l'assistenza sanitaria offrendo risultati migliori per fornitori e pazienti. Amazon SageMaker consente a GE Healthcare di accedere ai potenti strumenti e servizi di intelligenza artificiale per il progresso e il miglioramento della cura dei pazienti.
AWS sostiene Novartis nella trasformazione del processo di produzione, unificando l'accesso a tutte le informazioni e favorendo la scelta rapida di decisioni aziendali strategiche basate sui dati. L'azienda utilizza Amazon SageMaker per creare un modello basato sulla visione artificiale per il controllo delle procedure di line clearance.
Propeller Health applica il machine learning con soluzioni come Amazon SageMaker e Amazon Redshift, insieme alla sua infrastruttura basata su AWS, per fornire ai pazienti una previsione della loro salute in base alle condizioni meteorologiche locali, all'uso recente di farmaci e ad altri fattori.
Risorse
Creazione di un modello di previsione di patologia ortopedica con Amazon SageMaker
Creazione di modelli di malattie predittive utilizzando Amazon SageMaker con i dati normalizzati di Amazon HealthLake
Amazon SageMaker