2024/8/30 11:42:10
Вид:
GE Healthcare планирует создавать и развертывать настраиваемые генеративные AI-приложения с использованием Amazon Bedrock, что позволит еще больше расширить преимущества, которые генеративный AI приносит клиентам. Amazon Bedrock - это полностью управляемый сервис, предоставляемый AWS, который позволяет пользователям легко получить доступ к разнообразным передовым крупным языковым моделям. Используя корпоративный уровень безопасности, функции конфиденциальности и широкий выбор базовых моделей, предлагаемых Amazon Bedrock, GE Healthcare планирует разработать и расширить свои собственные генеративные AI-приложения для решения различных сложных сценариев в сфере здравоохранения, повысить эффективность, оптимизировать предоставление медицинских услуг и значительно улучшить опыт пациентов.
Внутренняя команда разработчиков GE Healthcare готовится использовать Amazon Q Developer - генеративный программный помощник на базе AI, который предоставляет предложения по коду в реальном времени, помогая разработчикам быстрее и безопаснее создавать приложения. Кроме того, GE Healthcare планирует использовать Amazon Q Business для глубокого анализа многомерных пересечений клинических и операционных данных, снижая рабочую нагрузку специалистов, что, в свою очередь, способствует развитию персонализированных медицинских услуг и повышению общей эффективности работы. Используя передовые технологии AWS, GE Healthcare рассчитывает значительно сократить циклы разработки и ускорить внедрение инновационных решений.
«Мы вступаем в новую эру в области здравоохранения, объединяя генеративный AI с нашим обширным опытом в отрасли», - сказал доктор Таха Касс-Хаут, главный технический директор GE Healthcare Global. «Наше партнерство с AWS знаменует собой важный шаг в упрощении медицинских процессов, повышении эффективности и предоставлении глубоко персонализированных услуг. Каждое инновационное решение, которое мы вводим, направлено на постепенное улучшение качества медицинской помощи на глобальном уровне».
Кроме того, GE Healthcare планирует улучшить свой пакет приложений, создавая базовые модели с использованием Amazon SageMaker. Amazon SageMaker - это полностью управляемый сервис, предоставляемый AWS, специально предназначенный для создания, обучения и развертывания моделей машинного обучения (ML). Создавая базовые модели, ориентированные на сценарии здравоохранения, GE Healthcare намерена ускорить разработку и развертывание веб-ориентированных медицинских приложений для обработки изображений, повысить эффективность, интероперабельность и улучшить пользовательский опыт за счет интеграции этих базовых моделей. Генеративные AI-приложения GE Healthcare будут глубоко интегрированы с Amazon HealthLake и Amazon HealthImaging, что позволит пользователям быстро и безопасно анализировать различные типы данных пациентов, улучшая клиническую эффективность и повышая качество медицинской помощи.
Мировой сектор здравоохранения генерирует почти 30% мировых данных, но до 97% этих данных остаются неиспользованными из-за их неструктурированного характера. Сотрудничество между AWS и GE Healthcare будет сосредоточено на разработке мультимодальных базовых моделей для глубокого анализа огромных объемов неструктурированных данных в сфере здравоохранения, включая медицинские записи, отчеты и изображения, предоставляя точные и высокоадаптивные аналитические результаты для различных медицинских приложений. По сравнению с традиционными моделями машинного обучения, эти новые модели могут одновременно обрабатывать и интерпретировать данные, связанные с различными заболеваниями и медицинскими задачами, предлагая более гибкую поддержку для принятия клинических решений.
GE Healthcare давно занимается исследованиями и разработками в области AI. В списках авторизаций AI-устройств Управления по санитарному надзору за качеством пищевых продуктов и медикаментов США (FDA) GE Healthcare занимает первое место три года подряд, с общим числом 72 авторизаций. Одним из недавних исследовательских достижений GE Healthcare в области базовых моделей является проект, посвященный передовым инструментам сегментации ультразвуковых изображений. Используя технологию базовых моделей, этот инструмент продемонстрировал исключительную точность в разделении и идентификации анатомических структур, с уровнем точности, превышающим 90%, требуя минимального вмешательства человека. Значительное преимущество этого инструмента заключается в его выдающейся способности к обобщению, что позволяет точно сегментировать различные анатомические структуры, включая головки плодов и области поражения в груди, даже если эти структуры не были включены в исходные тренировочные данные его базовой модели. Эта прорывная возможность демонстрирует огромный потенциал модели для применения далеко за пределами ее первоначальной области обучения.