详细内容或原文请订阅后点击阅览
Omada Health 如何通过在 Amazon SageMaker AI 上微调 Llama 模型来扩大患者护理规模
本文由 Omada Health 的 AI/ML 产品经理 Sunaina Kavi 共同撰写。 Omada Health 是虚拟医疗服务领域的长期创新者，于 2025 年推出了新的营养体验，其特色是 OmadaSpark，这是一款接受过强大临床输入训练的人工智能代理，可提供实时动机访谈和营养教育。它是在 AWS 上构建的。 OmadaSpark 的设计 [...]
来源:亚马逊云科技 _机器学习本文由 Omada Health 的 AI/ML 产品经理 Sunaina Kavi 共同撰写。
Omada Health 是虚拟医疗服务领域的长期创新者，于 2025 年推出了新的营养体验，其特色是 OmadaSpark，这是一款接受过强大临床输入训练的人工智能代理，可提供实时动机访谈和营养教育。它是在 AWS 上构建的。 OmadaSpark 旨在帮助会员识别自己的动机挑战，例如情绪化饮食、改善食物决策、设定目标并维持持久的行为改变。下面的截图展示了 OmadaSpark 营养教育功能的示例，展示了会员如何实时接受个性化营养教育。
在这篇文章中，我们将探讨 Omada 如何与 AWS 和 Meta 合作，在 Amazon SageMaker AI 上使用 Llama 模型开发这种医疗保健相关的 AI 解决方案。我们探索技术实施、架构和评估流程，帮助 Omada 扩展个性化营养指导，同时保持其对循证护理的承诺。
人工智能驱动的营养指导的机会
营养教育是 Omada 慢性病管理计划的基石。尽管健康教练擅长提供个性化护理，但对快速、方便的营养信息的需求不断增长，这为我们通过技术增强教练的影响力提供了机会。 Omada 寻求一种创新的解决方案，通过处理日常分析任务来补充教练的专业知识，这样他们就可以更深入地关注有意义的会员互动。目标是提供即时、高质量的营养教育，同时严格遵守 Omada 的护理方案和个人风格，使他们的计划有效。
解决方案概述
下图说明了 Omada Health 在 AWS 上实施 Llama 的高级架构。
解决方案工作流程由以下高级步骤组成：