A ResMed usa o Amazon SageMaker para personalizar a terapia do sono para milhões de pacientes

A ResMed fornece dispositivos e máscaras de pressão positiva contínua nas vias aéreas para pessoas com apneia do sono, doença pulmonar obstrutiva crônica e outros distúrbios do sono. Este equipamento conectado à nuvem coleta dados sobre os padrões de sono dos pacientes e os compartilha com os pacientes por meio da aplicação de envolvimento do paciente myAir da ResMed. Em seguida, o recurso Smart Coaching do myAir usa IA/ML para lançar recomendações personalizadas para cada paciente para melhorar seus resultados.

Em 2021, a ResMed não tinha a solução de autoatendimento automatizada e unificada de IA/ML para executar inferências com segurança por meio dos grandes volumes de dados de sono do paciente necessários para atingir sua meta até 2025. A primeira versão da IHS foi criada junto com a Manifold, uma parceira da AWS, com a qual a ResMed tinha um forte histórico de inovação conjunta. Embora tenha sido bem-sucedida como prova de conceito, a estrutura baseada em contêineres foi desenvolvida por cientistas de dados, cada um usando ferramentas diferentes, o que os forçou a assumir a responsabilidade por essa infraestrutura para sempre. “Deixar que um desenvolvedor individual crie sua própria caixa de ferramentas não é escalável, nem resultará na qualidade rigorosa que queremos em um produto final”, diz Badri Raghavan, vice-presidente de IA e ML da ResMed.

A ResMed escolheu o Amazon SageMaker para criar uma solução de IA/ML centralizada e padronizada porque se expandiu globalmente e se conectou bem às soluções que a empresa já estava usando para armazenamento de dados. Em 2018, a ResMed construiu um data lake na AWS que estava em conformidade com as regulamentações regionais de dados. O Amazon SageMaker se conecta perfeitamente a esse data lake por meio do AWS Glue, um serviço de integração de dados sem servidor que simplifica a descoberta, a preparação e a combinação de dados para análise, ML e desenvolvimento de aplicações.

Juntamente com a Manifold, a ResMed começou a criar uma segunda versão da IHS, sua solução de ML de próxima geração, no início de 2022. Para obter orientação, a equipe participou do AWS Data Lab, que oferece contratos de engenharia conjuntos e acelerados entre clientes e recursos técnicos da AWS para criar produtos tangíveis que aceleram dados, análises, IA/ML e iniciativas de modernização de aplicações. “O AWS Data Lab foi ótimo”, diz Philomena Lamoureaux, gerente sênior de ML e IA da ResMed. “Tivemos tempo livre para que nossos desenvolvedores se concentrassem apenas no desenvolvimento e na educação dessa prova de conceito.” Depois do AWS Data Lab, a adoção do Amazon SageMaker na ResMed mais que dobrou em 3 meses. O protótipo da solução foi lançado em abril de 2022, apenas 2 meses depois que a ResMed trabalhou com a equipe do AWS Data Lab, e os recursos básicos de IA/ML da solução IHS no Amazon SageMaker foram implantados em 6 meses.

A solução de IA/ML da ResMed usa o Amazon SageMaker Processing para executar workloads de pré-processamento, pós-processamento e avaliação de modelos em uma infraestrutura totalmente gerenciada. A ResMed aproveita muitos recursos do Amazon SageMaker para treinar modelos e pipelines e escolher tipos de implantação, incluindo inferências em lote e quase em tempo real. (Consulte a Figura 1 para obter mais detalhes sobre a arquitetura de soluções da ResMed.) Esses modelos de ML fornecem previsões quase em tempo real para a aplicação myAir, que então adapta e fornece conteúdo aos usuários do myAir. Cada modelo de ML cria até 2 milhões de previsões por dia. Além das notificações na aplicação, o myAir também envia campanhas de e-mail personalizadas aos clientes que usam o Amazon Pinpoint, um serviço escalável e flexível de comunicações de marketing tradicional e de atração.

“Anteriormente, todos os usuários do myAir recebiam mensagens semelhantes da aplicação”, diz Urvashi Tyagi, diretor de tecnologia da ResMed. “A IHS facilitou interações personalizadas com os pacientes por meio do myAir com base no dispositivo ResMed que eles usam, em suas horas de vigília e em dados contextuais adicionais.” Agora, mais de 18,5 milhões de pacientes desfrutam de conteúdo personalizado e de uma experiência personalizada. “Nossa equipe pode garantir que os pacientes obtenham o benefício de todos os dados que temos”, diz Prakhar Shukla, diretor de engenharia de dados da ResMed.

Os cientistas de dados da ResMed agora têm mais tempo e flexibilidade. “A implantação, o atendimento e o monitoramento são simplificados e automatizados o máximo possível para que os cientistas de dados possam criar um modelo sem estarem vinculados à infraestrutura que constroem”, diz Lamoureaux. “Eles podem seguir em frente e ter espaço para serem criativos.” Usando o Amazon SageMaker, os cientistas de dados da ResMed aceleram o tempo de lançamento no mercado implantando modelos de ML em dias ou semanas em comparação com meses anteriormente e reduzindo o tempo de processamento do pipeline de IA/ML em várias horas.

A ResMed usou o Amazon SageMaker para criar rapidamente a solução IHS de IA/ML que oferece suporte para a personalização da terapia do sono para mais de 18,5 milhões de pacientes em todo o mundo. “Antes de adotar o Amazon SageMaker, todos os usuários do myAir recebiam as mesmas mensagens da aplicação ao mesmo tempo, independentemente de sua condição”, diz Raghavan. “O Amazon SageMaker ajudou a facilitar uma terapia mais personalizada para os usuários da ResMed. Aproveitamos os recursos do Amazon SageMaker para treinar pipelines de modelo e escolher tipos de implantação, incluindo inferências em tempo quase real e em lote para fornecer conteúdo personalizado aos usuários do myAir.” Além disso, diz Raghavan, “o Amazon SageMaker nos ajudou a atingir nosso objetivo principal de incorporar recursos de ML em nossa organização global implantando modelos de ML em dias ou semanas, em comparação com meses.”