详细内容或原文请订阅后点击阅览
使用 Amazon SageMaker Data Agent 进行医疗保健数据分析的 Agentic AI
2025 年 11 月 21 日，Amazon SageMaker 在 Amazon SageMaker Unified Studio 中引入了内置数据代理，可改变大规模数据分析。在这篇文章中，我们通过流行病学家进行临床队列分析的详细案例研究，展示了 SageMaker Data Agent 如何帮助将数周的数据准备时间缩短为数天，将数天的分析开发时间缩短为数小时，最终加速从临床问题到研究结论的进程。
来源:亚马逊云科技 _机器学习对大量临床数据进行研究和临床分析可能很困难。医疗保健数据科学家和流行病学家在患者护理、疾病模式和临床结果方面拥有深厚的领域专业知识，但他们经常花费数周时间浏览复杂的数据基础设施、编写样板代码并克服技术障碍，然后才能回答单个临床问题。这会减慢研究速度并延迟基于证据的决策，这可能会影响患者护理。
2025 年 11 月 21 日，Amazon SageMaker 在 Amazon SageMaker Unified Studio 中引入了内置数据代理，可改变大规模数据分析。 Amazon SageMaker Data Agent 具有上下文感知功能，可以节省连接临床数据库、患者队列和组织元数据中的临床数据的时间，并自动将复杂的分析请求分解为结构化的可执行计划。例如，当您提出一个临床问题“比较糖尿病和高血压患者群体之间的合并症模式”时，数据代理会系统地思考这个问题。它创建多步骤分析计划，识别相关临床表，确定适当的统计方法，以最佳语言（SQL、Python 或 PySpark）生成经过验证的代码，并使用内置检查点执行每个步骤以进行人工监督。 SageMaker Data Agent 旨在尊重现有的客户安全控制和治理策略，通过在客户的组织数据框架内运行来帮助支持客户合规性要求。
在这篇文章中，我们通过流行病学家进行临床队列分析的详细案例研究，展示了 SageMaker Data Agent 如何帮助将数周的数据准备时间缩短为数天，将数天的分析开发时间缩短为数小时，最终加速从临床问题到研究结论的进程。