Förstå affärsproblemet
För att få värde från en maskininlärningsmodell måste du distribuera den. När du distribuerar en modell kan du generera förutsägelser när det behövs för att ge dig insikter.
På Proseware, ett uppstartsteam inom hälso- och sjukvården, har du hjälpt till med utvecklingen av en webbapp som hjälper utövare att diagnostisera sjukdomar hos patienter snabbare. När en läkare anger en patients medicinska information kommer appen att kunna ge insikter om sannolikheten för att patienten har en sjukdom.
Det första användningsfallet är att hjälpa utövare att diagnostisera diabetes snabbare. Efter att ha forskat om medicinska data har datavetenskapsteamet tränat en modell för att diagnostisera om en patient sannolikt kommer att ha diabetes. Modellen är tillräckligt exakt för implementering. Nu är utmaningen att använda modellen i webbappen för att generera förutsägelser.
Eftersom modellen och appen är utformade för att hjälpa vårdpersonalen när det behövs vill du inte använda modellen på alla patienter. I stället vill du ge utövaren möjlighet att ange patientens data i webbappen när det finns anledning att tro att patienten kan ha diabetes. För att förhindra kostsamma och onödiga tester fungerar modellens förutsägelser om sannolikheten för att en patient har diabetes som ett första filter för att avgöra vem som ska testas och vem som inte ska göra det.
I framtiden kommer fler maskininlärningsmodeller som hjälper dig att diagnostisera sjukdomar att läggas till i webbappen. Allt för att hjälpa utövaren att fatta mer datadrivna beslut om vilka tester som ska köras för att verifiera att en patient har en sjukdom.
Syftet med det första projektet är att säkerställa att en läkare kan ange en individs medicinska information i appen och få en direkt förutsägelse om sannolikheten för att patienten har diabetes. Genom att få en direkt förutsägelse kan utövaren använda webbappen under ett samråd med patienten för att snabbt komma fram till ett beslut om nästa steg.
Med andra ord måste du distribuera modellen till en realtidsslutpunkt. Webbappen ska kunna skicka patientens data till slutpunkten och få en förutsägelse i gengäld. Förutsägelsen bör sedan visualiseras i webbappen för att hjälpa utövaren.
Om du vill distribuera en modell vill du:
- Registrera modellen.
- Distribuera modellen.
- Testa den distribuerade modellen.