Amazon SageMaker para saúde e ciências biológicas
Atualmente, dezenas de milhares de clientes, incluindo organizações líderes de saúde e ciências biológicas (HCLS), como a GE Healthcare, a Cerner, a Bristol Myers Squibb e a Roche, entre outras, usam o Amazon SageMaker para machine learning (ML). O setor de HCLS enfrenta uma pressão cada vez maior para oferecer tratamentos mais personalizados, simplificar processos, modernizar todos os aspectos da cadeia de valor farmacêutica e manter as informações dos pacientes privadas e seguras. O ML aborda todos esses desafios, identificando anomalias automaticamente em imagens médicas, como raios X, criando planos de tratamento de saúde personalizados com base em documentos e dados históricos e identificando sinistros de planos de saúde suspeitos, para que as organizações de HCLS possam oferecer tratamentos mais holísticos e de qualidade superior a custos mais baixos. O SageMaker permite que pacientes, provedores, pagadores e pesquisadores preparem, criem, treinem e implantem modelos de ML de alta qualidade e oferece soluções integradas para você começar a usar o ML com mais rapidez.
Principais casos de uso do Amazon SageMaker
![Extrair e analisar dados de documentos Extrair e analisar dados de documentos](https://d1.awsstatic.com/ExtractDataDoc-SageMaker.9bf85b113cadbe9b20ef2d403c1455dadb8295c7.png)
Extrair e analisar dados de documentos
Para tomar decisões com mais rapidez, as organizações de saúde e ciências biológicas precisam entender o texto em documentos médicos, como formulários de pacientes. Com o Amazon SageMaker, é possível criar modelos de ML para extrair, processar e analisar dados de documentos manuscritos e eletrônicos automaticamente, para que você possa processar esses documentos com mais rapidez e precisão. O SageMaker fornece algoritmos de ML integrados otimizados para classificação de texto, processamento de linguagem natural (NLP) e reconhecimento óptico de caracteres (OCR), que você pode usar imediatamente para treinar e implantar modelos. Outra opção é usar o Amazon SageMaker Autopilot para gerar modelos de processamento de texto automaticamente.
![Detecção de fraudes Detecção de fraudes](https://d1.awsstatic.com/fraudFraud-Detection.fe278c97913726a1325f2e303d07ebde3d9d5360.png)
Detecção de fraudes
Para manter a segurança dos dados dos pacientes, é importante que as organizações de saúde e ciências biológicas usem modelos de detecção de fraudes para identificar sinistros de planos de saúde suspeitos antes que isso afete os clientes. Com o Amazon SageMaker, você pode criar modelos de ML para detectar transações suspeitas antes que elas ocorram e alertar seus clientes em tempo hábil. O SageMaker fornece algoritmos integrados de ML, como o Random Cut Forest e o XGBoost, que você pode usar para treinar e implantar modelos de detecção de fraudes. Além disso, o SageMaker fornece um conjunto de soluções para detecção de fraudes que podem ser implantadas com apenas alguns cliques.
![Detecção de anomalias Detecção de anomalias](https://d1.awsstatic.com/Anomaly-detection.66954520ef3c97feb0a41d20250bc4b8c0809858.png)
Detecção de anomalias
As organizações de saúde e ciências biológicas continuam procurando maneiras de identificar anomalias automaticamente e acelerar o diagnóstico dos pacientes. Com o Amazon SageMaker, você pode criar modelos de visão computacional para identificar anomalias em imagens médicas e definir sinalizadores automaticamente para análises e diagnósticos profundos. O SageMaker fornece um amplo conjunto de recursos desenvolvidos especificamente para machine learning, incluindo algoritmos integrados que são otimizados para visão computacional, como classificação de imagens, que podem melhorar o diagnóstico de pacientes, reduzir a subjetividade no diagnóstico e ajudar a poupar o tempo dos patologistas.
![Desenvolvimento de medicamentos Desenvolvimento de medicamentos](https://d1.awsstatic.com/Drug-Discovery.0d05234c621a449a3c61603b1fc67aebda6ca372.png)
Desenvolvimento de medicamentos
A compreensão das doenças e o desenvolvimento de medicamentos podem ser processos entediantes e demorados, e as empresas de ciências biológicas buscam constantemente maneiras de acelerar esse desenvolvimento. Com o Amazon SageMaker, é fácil rotular dados de treinamento para vários casos de uso, com o objetivo de acelerar o tempo de treinamento e implantação de modelos de ML altamente precisos. Ao automatizar esse trabalho tedioso com o uso do SageMaker, as empresas de ciências biológicas podem acelerar o processo de descoberta, introdução no mercado e oferta de medicamentos que transformam vidas e agregam valor aos pacientes e à sociedade.
Clientes
![bms_logo_pos_rgb_client_revised bms_logo_pos_rgb_client_revised](https://d1.awsstatic.com/bms_Logo_600x400.1e7c68e65385f41e5f855b2d7046cd69fa1b9635.png)
Com as instâncias P3 do Amazon SageMaker e do Amazon EC2, a Celgene (agora parte da Bristol Myers Squibb) acelerou a produtividade e o tempo de treinamento de modelos, o que lhes permitiu direcionar o foco a pesquisas e descobertas inovadoras.
![GE Healthcare GE Healthcare](https://d1.awsstatic.com/SageMaker/SageMaker%20reInvent%202020/ge%402x.f46a9c97a7157e2084ba05ede416fc8b818fa841.png)
A GE Healthcare está transformando a assistência médica ao oferecer melhores resultados para provedores e pacientes. O Amazon SageMaker permite que a GE Healthcare acesse ferramentas e serviços poderosos de inteligência artificial para melhorar o atendimento ao paciente.
![Novartis Novartis](https://d1.awsstatic.com/Industries/HCLS/logos/600x400-novartis_logo.1bf4d2326da693cc654ec294e4e0937a935e2c96.png)
A AWS está ajudando a Novartis a transformar seu processo de fabricação, unificando o acesso a todas as informações e permitindo que a Novartis tome decisões essenciais rápidas e embasadas. A empresa está usando o Amazon SageMaker para criar um modelo baseado em visão computacional que determinará a liberação da linha.
![Propeller Health Propeller Health](https://d1.awsstatic.com/product-marketing/AI/customers/2018%20Customers/2317_600x400_Propeller-Health_Logo.5a213926fcff5e45fae5de4dde5388f18248c91f.png)
O Propeller Health aplica ML com soluções como Amazon SageMaker e Amazon Redshift, junto com sua infraestrutura construída na AWS, para oferecer aos pacientes uma previsão de saúde com base nas condições climáticas locais, uso recente de medicamentos e outros fatores.
Recursos
Building predictive disease models using Amazon SageMaker with Amazon HealthLake normalized data
Amazon SageMaker