AWS SageMaker Data Agent：将医疗数据分析从数周缩短至数天

医疗数据分析，几周缩短至几天

AWS 发布了用于医疗数据分析的 AI 代理 SageMaker Data Agent。流行病学家或临床研究人员可以用自然语言提问，AI 会自动生成并执行 SQL 和 Python 代码。^[AWS]

过去，为了进行医疗数据分析，需要访问多个系统，等待数据访问权限，理解模式，并直接编写代码。这个过程需要几周时间。SageMaker Data Agent 将其缩短到几天，甚至几个小时。^[AWS]

坦率地说，医疗数据分析一直是一个瓶颈。流行病学家花费 80% 的时间准备数据，而实际分析只占 20%。现实情况是，每个季度只能进行 2-3 项研究。

SageMaker Data Agent 颠倒了这个比例。它大大减少了数据准备时间，使您可以专注于实际的临床分析。我个人认为，这将直接影响患者治疗模式的发现速度。

特别是，能够用自然语言请求诸如队列比较和 Kaplan-Meier 生存分析之类的复杂任务令人印象深刻。如果您说“对男性病毒性鼻窦炎患者与女性患者进行生存分析”，AI 会自动制定计划、编写和执行代码。^[AWS]

SageMaker Data Agent 以两种模式运行。首先，您可以直接在笔记本单元格中使用内联提示来生成代码。其次，Data Agent 面板将复杂的分析任务分解为结构化步骤进行处理。^[AWS]

该代理了解当前的笔记本状态，并理解数据目录和业务元数据，以生成上下文相关的代码。它不是简单地吐出代码片段，而是制定完整的分析计划。^[AWS]

德勤的一项调查显示，92% 的医疗管理人员正在投资或试验生成式 AI。^[AWS] 对医疗 AI 分析工具的需求将继续增长。

如果像 SageMaker Data Agent 这样的代理型 AI 提高了医疗研究的速度，它也可能对新药开发或治疗模式的发现产生积极影响。但一个令人担忧的问题是数据质量。无论 AI 多么快，如果输入数据混乱，结果也会混乱。

问：SageMaker Data Agent 的费用是多少？

答：SageMaker Unified Studio 本身是免费的。但是，实际的计算资源（EMR、Athena、Redshift 等）会按使用量收费。笔记本电脑在前 2 个月有 250 小时的免费套餐，因此您可以轻松地进行测试。

问：支持哪些数据源？

答：连接到 AWS Glue Data Catalog、Amazon S3、Amazon Redshift 和各种数据源。如果您有现有的 AWS 数据基础设施，您可以立即连接。它还与医疗数据标准 FHIR 或 OMOP CDM 兼容。

问：哪些区域可用？

答：SageMaker Unified Studio 支持的所有 AWS 区域均可使用。最好在 AWS 官方文档中查看是否支持首尔区域。

如果这篇文章对您有帮助，请订阅 AI Digester。