의료 전문가를위한 AI 기반 학습 플랫폼을 개발하는 우리의 최근 프로젝트에 처음으로 작업을 시작했을 때, 확장성에 대한 나의 접근 방식은 대부분의 엔지니어링 팀과 마찬가지였습니다. 사실, 우리의 첫 번째 차트는 API, 데이터베이스 및 클라우드 확장 정책을 둘러싸고 있었다.우리는 시스템이 수천 명의 동시 사용자와 수백만 개의 레코드를 다루고 땀을 흘리지 않고 싶었습니다. 그러나 개발에 몇 달이 걸렸을 때, 우리는 임상과 테스트를 시작했을 때 확장성에 대한 우리의 견해가 완전히 바뀌었다.우리는 건강 관리에서, 규모는 당신이 얼마나 많은 데이터를 처리할 수 있는지 또는 당신의 추론이 얼마나 빨리 실행되는지에 관한 것이 아닙니다. , 그리고 건강 관리가 의존하는 윤리적 조직을 깨뜨리지 않는다. 신뢰 준수 사용성 이 프로젝트는 간호사와 의료 직원의 학습 경로를 개인화하도록 설계된 AI 및 React 기반 플랫폼으로 눈을 뜨게 만들었습니다.이 프로젝트는 의료 전문가가 기술 격차를 식별하고 관련 교육을 완료하고 지능형 권고 시스템을 통해 진행 상황을 추적하도록 돕기 위해 설계되었습니다.그러나 성공은 기술 기준으로만 측정되지 않았습니다.그것은 채택, 신뢰 및 학습 결과의 측정 가능한 개선에 의해 측정되었습니다. 건강 관리에 대한 AI 시스템의 규모를 확장하는 방법 - 실제 경험을 기반으로 아래는 진정한 규모를 확장하는 의료용 AI 시스템을 설계하는 방법을 배울 때 우리를 안내한 다섯 가지 원칙을 언급했습니다. Scaling Trust 시작하기 모든 AI 제품은 신뢰에 달려 있지만, 건강 관리에서 그것은 모든 것입니다.우리가 추천 엔진의 첫 번째 버전을 출시했을 때, 그것은 내부 테스트에서 인상적인 성과를 보였습니다.AI는 학습 요구를 예측하고 높은 정확도로 모듈을 제안 할 수있었습니다.그러나 그것을 시도 한 클리닉은 주저했습니다.그들의 첫 번째 질문은 "그것은 얼마나 빨라졌습니까?"그 대신, 그것은 "이 제안이 맞는지 어떻게 알 수 있습니까?" 그 질문은 우리의 디자인 철학을 재구성했다.우리는 설명 가능성이 지문이 아니라 특징이어야한다는 것을 깨달았습니다.그래서, 우리는 모든 권장 사항을 투명하게 만들었습니다 : 각 제안에는 자신감 점수, 선택에 정보를 제공하는 데이터에 대한 설명 및 학습 목표의 간단한 분해가 포함되어 있습니다. 사용자가 볼 수 있을 때 시스템은 특정 과정이 그들에게 중요하다고 생각했고, 의심은 호기심으로 변했고, 호기심은 신뢰로 변했습니다. 왜 기술적 규모는 감정적 규모가 없이는 아무 의미가 없으며 신뢰는 의료 생태계 내에서 AI가 성장할 수있는 감정적 인 층입니다. 2.Architect for Compliance from Day One에 대한 리뷰 보기 대부분의 소프트웨어 프로젝트에서 준수는 개발주기의 끝에 체크리스트로 간주됩니다.In healthcare, that approach is a recipe for re-architecture. 초기에 우리의 데이터 과학자들은 빠른 움직임을 원했습니다 : 섭취 데이터, 훈련 모델, 매주 업데이트를 배포합니다.하지만 건강 관리는 HIPAA 및 GDPR와 같은 엄격한 규정에 따라 운영됩니다. 환자 관련 정보는 기밀, 감사 할 수 있고 조작 방지되어야했습니다. 우리는 민감한 데이터가 휴식 및 교통 중에 암호화되도록 데이터 흐름을 재설계했습니다.개인 식별 정보는 AI 파이프라인에 들어가기 전에 Pseudonymized되었으며 각 추론은 변함없는 감사 트랙을 생성했습니다.이것들은 단지 기술적 결정이 아니라 시스템이 안전하게 성장할 수있는 건축적 경계였습니다. 아키텍처에 준수를 삽입함으로써, 우리는 더 많은 클리닉과 위치로 확장하는 것이 간단하게 된 기초를 만들었습니다.모든 새로운 위치는 우리의 프로세스에 대한 새로운 법적 검토가 필요하지 않았기 때문에 준수는 문자 그대로 시스템의 DNA에 내장되었습니다. 안전이 표준화되었습니다. 학습과 진화하는 모듈 시스템을 구축하십시오.Build modular systems that learn and evolve 건강 관리의 AI 시스템은 살아있는 유기체이며 의료 지식, 치료 프로토콜 및 학습 행동이 진화함에 따라 적응해야합니다. 우리는 권고 엔진, 학습자-행동 분석기, React 기반 참여 대시보드와 같은 독립형 모듈을 중심으로 플랫폼을 설계했습니다.각 구성 요소는 API를 통해 통신하여 업데이트를 허용하여 다른 구성 요소에 영향을 미치지 못했습니다.우리 데이터 팀이 몇 달 후 개선된 분석 모델을 구축했을 때 시스템에 중단 시간없이 깔끔하게 삽입했습니다. 이 모듈성은 또한 다른 의료 기관 간의 확장도 쉽게 만들었습니다.예를 들어 클리닉 중 하나는 더 깊은 분석을 원했으며 다른 하나는 더 간단한 대시보드를 원했습니다.우리는 전체 스택을 다시 쓰지 않고도 모듈을 켜거나 꺼낼 수있었습니다. 진정한 확장성, 우리는 하나의 큰 시스템을 구축하는 것이 아니라 건설하는 것을 의미한다는 것을 깨달았습니다. 필요가 진화함에 따라 성장하고 변질할 수 있습니다.그것은 변화에 대한 우리의 보험이었습니다. 시스템의 시스템 인간 중심의 스케일링 Beats Pure Automation AI 프로젝트에서 인간의 개입을 줄이기위한 끊임없는 압력이 있으며, 더 적은 라벨, 더 빠른 피드백 루프, 그리고 환상적인 자기 치유 파이프라인이 있습니다.하지만 의료 분야에서 인간을 루프에서 제거하는 것이 신뢰성을 잃는 가장 빠른 방법입니다. 각각의 새로운 모델 반복은 실제 학습 시나리오에서 권장 사항을 테스트 한 임상 의사들에 의해 검증되었습니다. 직관적이거나 관련이없는 것으로 보이는 것에 대한 그들의 질적 통찰력은 단순히 측정보다 훨씬 더 효과적으로 데이터를 재훈련하는 데 도움이되었습니다. 내가 가장 좋아하는 마이클 중 하나는 간호사 그룹이이 시스템을 "디지털 멘토"보다는 " 도구"로 묘사했을 때였습니다.이 언어 변화는 실제 채택을 보여주었습니다.시간에 걸쳐 500 명이 넘는 의료 전문가의 피드백이 우리에게 알고리즘, 언어 톤, 심지어 통지 타이밍을 정교하게 도왔습니다. 5 진정으로 중요한 것을 측정하라 사람들이 확장 가능한 AI에 대해 이야기 할 때, 그들은 종종 기술적 인 지표를 축하합니다 : 낮은 지연 시간, 더 높은 전송량 및 감소 된 컴퓨팅 비용.이 숫자는 슬라이드 데크에서 인상적 인 것처럼 보이지만 건강 관리에서 그들은 더 나은 결과로 번역하지 않는 한 많은 것을 의미하지 않습니다. CPU 사용 또는 응답 시간을 성공 지표로 추적하는 대신, 우리는 인간 중심의 지표에 초점을 맞추었습니다 : 새로운 직원이 얼마나 빨리 탑승했습니까? 훈련 모듈이 얼마나 자주 완료되었습니까? 의사들은 시스템을 사용하기 전에 그리고 후에 자신감을 어떻게 평가했습니까? 결과는 보상적이었습니다: 삽입 시간은 40 % 감소, 코스 완료율은 94 % 향상, 사용자 만족도는 지속적으로 상승했습니다. 인간에게 중요한 것을 측정할 때 조직에 중요한 것을 확장하게 됩니다.Infrastructure follows purpose. 건강 관리 AI의 확장성 재정의 뒤돌아보면, 그 프로젝트는 소프트웨어 아키텍처에 대해 생각하는 방식을 바꾸었습니다. 스케일러성은 종종 순전히 기술적 승리로 묘사됩니다 ... 더 많은 사용자, 더 많은 데이터, 더 많은 가동 시간. 책임감있게 규모를 확장하려면 성장을 무결성과 일치시켜야 합니다.그것은 개인 정보 보호를 침해하지 않고 확장할 수있는 시스템, 설명을 잃지 않고 배울 수있는 알고리즘, 그리고 의존성 대신 사용자의 신뢰를 성장시키는 플랫폼을 의미합니다. 우리의 AI 학습 플랫폼은 수천 명의 사용자를 처리했기 때문이 아니라 신뢰를 얻고 유지했기 때문에 성공했습니다.모듈형 API에서 클라우드 탄력성에 이르기까지 모든 기술적 개선은 인간 연결을 지원하는 한 가치가있었습니다. 나는이 분야에서 더 많이 일할수록 더 명확해집니다 : 건강 관리에는 무한히 확장되는 AI가 필요하지 않습니다. 귀하의 아키텍처가 환자를 보호하고, 의사에게 권한을 부여하고, 이해를 향상시키는 방식으로 성장할 수 있다면, 이미 충분히 확장 가능합니다. 의미 있는 왜냐하면 궁극적으로 건강 관리의 진정한 확장성은 초당 요청으로 측정되지 않기 때문에 상호 작용 당 신뢰로 측정됩니다.

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

This story contains AI-generated text. The author has used AI either for research, to generate outlines, or write the text itself. 

Read My Stories

이 오디오는 이야기의 원래 언어로 제작되었습니다!

건강 관리를위한 AI 학습 플랫폼을 구축하여 확장 가능한 교훈

About Author

코멘트

태그 걸기

이 기사는 다음에서 발표되었습니다.

Related Stories

Claude Sonnet 3.5 시스템 프롬프트 유출: 법의학적 분석

독특한 생태계를 강화하는 비트코인 UTXO 모델

AI/ML 데이터레이크용 참조 아키텍처 구축을 위한 설계자 가이드

성공적인 클라우드 마이그레이션을 위한 전체 가이드: 전략 및 모범 사례

Claude Sonnet 3.5 시스템 프롬프트 유출: 법의학적 분석

독특한 생태계를 강화하는 비트코인 UTXO 모델

AI/ML 데이터레이크용 참조 아키텍처 구축을 위한 설계자 가이드

성공적인 클라우드 마이그레이션을 위한 전체 가이드: 전략 및 모범 사례

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps