Erstellung eines Execution Flows für die Modelle der weißen Blutkörperchen von Oxford Immune Algorithmic
- Kunde
- Industry
- Service
- Segment
- Autor
- Oxford Immun Algorithmics
- Gesundheitswesen & Biowissenschaften
- AI/ML
- SMB
- Jodie Rhodes
Auf einen Blick
Oxford Immune Algorithmics setzt sich leidenschaftlich für die Nutzung von Wissenschaft und Computerintelligenz ein, um die Grenzen des medizinischen Verständnisses und der Diagnostik zu erweitern.
Herausforderung
Oxford Immune Algorithmics musste den komplexen Arbeitsablauf von Algocyte automatisieren, einschließlich des Modell-Hostings und der Verwaltung der Bereitstellung in mehreren Regionen.
Lösung
Firemind lieferte einen Execution Flow unter Verwendung von AWS-Diensten und einer CI/CD-Pipeline zur Bereitstellung der Lösung in verschiedenen Umgebungen.
Genutzte Dienste
- AWS Lambda
- Amazon SageMaker
- Amazon Bedrock
- Amazon DynamoDB
Ergebnisse
- 10 Tage Bearbeitungszeit
- Konsistente, genaue Ergebnisse für Algocyte®
- Multi-Environment-Workflow inkl. verbesserter Sicherheit und Kontrolle
Geschäftliche Herausforderungen
Automatisierung eines komplexen Workflows für die personalisierten Gesundheitsprofile von Algocyte
Das Produkt von Oxford Immune , Algocyte®, lernt im Laufe der Zeit kontinuierlich aus dem Gesundheitsverhalten des Benutzers und erstellt so eine personalisierte Profilbasis.
Dieser Prozess erfordert einen komplexen Arbeitsablauf, der eine Reihe von Herausforderungen mit sich bringt. Insbesondere musste Oxford Immune die besten Dienste für das Hosting einer Reihe von Extraktions- und Klassifizierungsmodellen finden. Das CI/CD musste in mehreren Regionen eingesetzt werden können und gleichzeitig über einen Aggregationsklassifikator verfügen, der alle Ergebnisse in JSON-Ausgabedateien zusammenführen konnte.
Stehst Du vor ähnlichen Herausforderungen?
Wir sind Spezialisten für die Lösung von Problemen mit Daten und KI. Lass uns Dir helfen, die Vorteile der Cloud zu nutzen.
Was unsere Kunden sagen
Höre direkt von denjenigen, die unsere Dienstleistungen in Anspruch genommen haben. Entdecke, wie wir für unsere Kunden den Unterschied gemacht haben.
Lösung
Fireminds AWS-basierte Lösung für die Automatisierung des Arbeitsablaufs für Algocyte
Firemind fungierte sowohl als Beratungs- als auch als Entwicklungspartner, um den Execution Flow und die CI/CD-Pipeline zu liefern, der für die Verwaltung der regionalen und überregionalen Einführung der Lösung erforderlich war.
Der Execution Flow, der im Rahmen dieser Projektphase geliefert wurde, dient der Extraktion und Klassifizierung, insbesondere mit Amazon Sagemaker Batch. Batch wurde als Compute Layer verwendet, um die in der vorherigen Projektphase bereitgestellten Modelle zu hosten und zu verarbeiten.
Die SageMaker Batch-Prozesse können so oft wie nötig ausgelöst werden, mithilfe einer AWS Lambda in die Architektur integriert, um als Auslöser für den Workflow verwendet zu werden. Die Vorverarbeitung des RBC-Workflows basiert darauf, dass die Bilder Teil eines Auftrags sind. Die gewünschte Ausgabe des WBC-Workflows ist ein aggregiertes Ergebnis auf der Grundlage der Analyse aller Bilder in einem Auftrag (ein ideales Szenario für die Verwendung von Sagemaker Batch). Wenn die Bilder (in einem Auftrag) fertig sind, kann der WBC-Workflow ausgelöst werden. Das bedeutet, dass jeder Batch so schnell und häufig wie nötig ausgeführt werden kann, da ein Set von Bildern produziert werden kann.
Der Execution Flow wurde für die Extraktions- und Klassifizierungsaufgaben des WBC-Ausführungsablaufs verwendet. Sie schreiben und lesen in eine Amazon DynamoDB-Tabelle, und die Ergebnisse werden zusammengefasst und als JSON in einen Amazon S3-Bucket geschrieben.
Die drei Extraktionstypen, die derzeit in dem bereitgestellten Code definiert sind, würden durch einen parallelen Zustand in den AWS Step Functions ausgeführt werden, der die gleichzeitige Ausführung jedes Typs ermöglicht. Bei der Standardausführung würden alle Extraktionstypen ausgeführt, sowohl für aktuelle als auch für zukünftige Ergänzungen. Mit den Parametern im auslösenden Lambda ist es jedoch möglich, die Ausführung einer gefilterten Auswahl von Typen festzulegen.
Ähnlich wie bei der Ausführung der Extraktion würden zwei Klassifikatoren in der Step Function parallel ausgeführt. Auch hier werden standardmäßig alle Klassifizierungen ausgeführt und die Auswahl/Filterung zur Ausführung bestimmter Klassifizierungstypen auf der Grundlage der in der auslösenden Lambda-Funktion festgelegten Parameter unterstützt.
Darüber hinaus umfasste die Lieferung dieser Lösung die CI/CD-Pipeline zur Bereitstellung in allen Umgebungen (Dev, Testing, Prod) sowie in allen Regionen, in denen Services unterstützt werden.
Multi-Environment
Ein Cloud-Workflow mit mehreren Umgebungen ermöglichte die Trennung verschiedener Entwicklungsphasen, z. B. von Entwicklungs-, Test- und Produktionsumgebungen. Diese Isolierung trug zur Verbesserung der Sicherheit bei, indem sie das Risiko eines unbefugten Zugriffs oder von Änderungen an kritischen Produktionssystemen verringerte. Dies ermöglichte eine strengere Kontrolle der Daten, Zugriffsrechte und Konfigurationen, wodurch die Auswirkungen möglicher Sicherheitsverletzungen oder Fehler minimiert wurden.
Verbesserte Qualität und Zuverlässigkeit
Die Automatisierung von CI/CD-Pipelines in der Cloud gewährleistet konsistente und wiederholbare Prozesse für die Erstellung, das Testen und die Bereitstellung von Anwendungen. Es half bei der Durchsetzung von Codierungsstandards, bei der Durchführung umfassender Unit- und Integrationstests und bei der Durchführung automatisierter Regressionstests. Dies verbesserte die Softwarequalität, erhöhte die Zuverlässigkeit und verringerte die Wahrscheinlichkeit der Einführung von Fehlern oder Performance-Problemen in Produktionsumgebungen.
Zusammenarbeit und Sichtbarkeit
Die Cloud-basierte CI/CD-Automatisierung erleichterte die Zusammenarbeit zwischen Entwicklungs-, Test- und Betriebsteams. Es wurde eine zentrale Plattform bereitgestellt, auf der die Teammitglieder auf den Fortschritt der verschiedenen Pipelinestufen zugreifen und diesen überwachen, Testergebnisse einsehen und Bereitstellungen verfolgen konnten. Dies erhöht die Transparenz, fördert die Kommunikation und ermöglicht es den Teams, Probleme schnell zu erkennen und zu beheben.
Kontakt aufnehmen
Möchtest Du mehr erfahren?
Hast Du eine bestimmte Fallstudie oder ein Thema gesehen und möchtest mehr erfahren? Oder denkst Du über Dein nächstes Projekt nach? Schreibe uns eine Nachricht!
