Sonrai가 Amazon SageMaker AI를 활용하여 정밀 의료 임상 시험을 가속화하는 방법

섹션별 상세

01

정밀 의료의 데이터 도전 과제는 수천 개의 유전체, 단백질체 등 오믹스 데이터에서 소수의 환자 샘플을 통해 유의미한 바이오마커를 찾는 과정에서 발생하며, 이는 과적합 위험이 크고 수백 번의 실험 조합이 필요하다.

02

통합 MLOps 아키텍처는 Amazon S3를 데이터 저장소로, SageMaker Studio Lab과 Code Editor를 개발 환경으로 사용하며 Git 연동을 통해 코드 품질과 버전 관리를 보장한다.

03

Managed MLflow를 통한 실험 추적 기능은 수백 개의 실험에서 발생하는 하이퍼파라미터, 성능 지표, ROC 곡선 등을 자동으로 기록하여 최적의 모델 결정을 위한 단일 진실 공급원 역할을 수행한다.

04

재현 가능한 파이프라인 구축을 위해 RFE(Recursive Feature Elimination) 기법을 사용하여 수천 개의 피처를 핵심 요소로 압축하며, 모든 과정은 SageMaker Training Job을 통해 확장 가능한 컴퓨팅 자원으로 실행된다.

05

모델 등록 및 배포 워크플로는 성능 임계치를 통과한 모델을 SageMaker Model Registry로 승인하여 규제 기관 제출을 위한 전체 이력 추적과 공식적인 승인 절차를 거치도록 설계되었다.