Preguntas frecuentes sobre vLife®

Aunque se han producido numerosos avances impulsados por la tecnología en el sector de la sanidad y las ciencias de la vida (gracias a la revolución de la IA), nuestro objetivo es dividir funcionalmente los problemas empresariales en líneas de servicio, plataformas, LOB y casos de uso. Estos casos de uso se dividen horizontalmente en temas centrados en el dominio, y las ofertas tecnológicas recomendadas por vLife como IA más rápida, visión por ordenador, generador de datos sintéticos y la innovación como servicio. 

Basándose en la creencia de que es imperativo utilizar los avances tecnológicos para alimentar nuestra investigación hacia soluciones basadas en el valor, vLife™ proporciona un enfoque holístico, cubriendo cada línea de servicio y plataforma impulsada por el dominio.

Los objetivos funcionales son:

• Dominio: la sanidad y las ciencias de la vida son nuestro principal objetivo. 
• Línea de servicio: las soluciones específicas de la línea de servicio para las empresas de ciencias de la vida se encuentran en MedTech o tecnología médica y biofarmacéutica, y las empresas de salud se encuentran en los servicios para financiadores y los servicios para proveedores. Estas se desglosan a su vez en distintas ofertas.
• Plataforma: cada oferta se clasifica como una plataforma. Los objetivos de utilización de los clientes determinan las plataformas específicas disponibles. 
• LOBs: las plataformas contienen agrupaciones lógicas de soluciones y casos de uso para resolver problemas empresariales únicos.

Desarrollamos cada solución en vLife con un enfoque centrado en el cliente e impulsado por la investigación y separamos las ofertas en líneas de servicio específicas. Nuestras plataformas de soluciones específicas incluyen:

Biofarmacéutica

• Ensayos clínicos
• Análisis comercial
• Participación de los pacientes
• Bioinformática como servicio (BaaS)

MedTech o tecnología médica

• Soluciones comerciales
• Soluciones conectadas
• Participación de los pacientes
• Compromiso de proveedores y pagadores

Servicios de pago

• Recorrido de los miembros
• Tramitación de siniestros
• Gestión de los cuidados
• Recorrido de los proveedores

Servicios de los proveedores

• Gestión de la salud de la población (PHM)
• Participación de los pacientes
• Auxiliares
• Atención virtual
• Análisis avanzados

Además, contamos también con la plataforma de ofertas vLife, con IA más rápida, visión por ordenador, datos sintéticos e innovación como servicio (IaaS), que atraviesa horizontalmente todas estas soluciones. Tenemos una sección dedicada a las ofertas vLife.

Validamos el éxito de un modelo frente a los casos de uso impulsados por el dominio diariamente comparándolo con el problema de ML (definido) y los recursos a nivel de sistema utilizados para soportar las fases de las cargas de trabajo de ML. Nuestro ciclo de vida de creación de soluciones de extremo a extremo contiene el siguiente conjunto de actividades con la automatización aplicada en cada etapa:

• Identificación del objetivo empresarial
• Definición del problema del ML
• Recogida e integración de datos
• Preparación de los datos
• Visualización y análisis de datos
• Ingeniería de funciones
• Formación de modelos
• IA más rápida (colaboración entre Virtusa y el Stanford AI Laboratory)
• Evaluación del modelo
  
• Evaluación de la empresa
• Despliegue del modelo
• Aprendizaje por transferencia
• Aprendizaje federado
• MLOps

Utilizamos Amazon S3 como lago de datos para albergar grandes volúmenes de datos, como registros médicos electrónicos (EMR), reclamaciones, etc. Un cuaderno de Amazon SageMaker para ejecutar los tipos de instancia P3 y las instancias EC2 G4. La limpieza de datos, el procesamiento, el descubrimiento y la ingeniería de características se completan tanto en la instancia de entrenamiento de SageMaker como en las instancias G4 EC2. También utilizamos Amazon SageMaker para entrenar modelos personalizados con los datos transformados, aprovechando la capacidad de entrenamiento distribuido y creando un punto de enlace de API de autoescalado. El punto final de la API realiza lotes e inferencias en tiempo real.

vNet es una aplicación de IA empresarial para crear modelos de ML más rápidos, más inteligentes y mejores para acelerar la transformación digital. vNet tiene tres componentes, datos, IA y negocio, que se desglosan además en plataformas.

Inteligencia artificial (IA)

• Visión por ordenador es una plataforma de análisis de imágenes no-code (sin código) o low-code (con poco código) que ayuda a optimizar el rendimiento para aumentar la eficacia y reducir los costes operativos. 
• IA más rápida es una plataforma de IA intuitiva y sin código que se utiliza para crear, entrenar, desplegar y optimizar modelos de ML. La solución aprovecha las aplicaciones desarrolladas con la Universidad de Stanford para crear conjuntos de datos libres de ruido y no sesgados. 

Negocios

• IA de plataforma es un diseñador de modelos de negocio que reúne modelos de IA preentrenados del mercado de vLife. Permite a los analistas de negocio crear soluciones integrales. 
• La innovación como servicio (IaaS) es una plataforma de IA que selecciona intuitivamente las aplicaciones y el software de terceros a través de MLOps, aprendizaje de transferencia y aprendizaje federado.

vNet se ha creado para que los expertos en la materia, los científicos de datos y los ingenieros de datos puedan:

• Tener suficientes puntos de datos para entrenar un modelo ML
• Tener menos ruido y conjuntos de datos no sesgados
• Crear modelos de IA/ML de gran precisión sin código / con poco código
• Implantar soluciones basadas en la IA diseñadas para capacitar a los clientes
• Entregar aplicaciones más rápido

Las cinco ofertas clave de vNet dentro de vLife para acelerar las innovaciones impulsadas por la tecnología son:

1. IA de plataforma: algoritmos de ML preentrenados de principio a fin, diseñados para escalar
2. IA más rápida: la innovación de Virtusa con SAIL para conseguir modelos ML más rápidos, mejores y más baratos
3. Visión por ordenador: análisis avanzado de imágenes y vídeos
4. Datos sintéticos: síntesis de imágenes y datos tabulares de alta fidelidad
5. IaaS: soluciones para socios en el ámbito de la sanidad y las ciencias de la vida

IA de plataforma proporciona un espacio que combina todas las soluciones impulsadas por la IA en forma de datos, PNL, visualización y conocimientos diseñados para capacitar a los clientes de cualquier dominio para explorar, entrenar, experimentar e identificar soluciones impulsadas por el dominio para la toma de decisiones concluyentes. Es un marco que funciona de forma más eficiente e inteligente que los tradicionales para ayudar a los clientes a escalar desde la experimentación con un enfoque estructurado y orientado al dominio.

IA más rápida es una herramienta de IA intuitiva en la que se puede crear, entrenar y desplegar fácilmente modelos de ML, todo en un solo lugar, sin escribir una sola línea de código. Esta plataforma permite a los usuarios sin conocimientos de codificación de IA optimizar las operaciones del día a día, permitiendo a los desarrolladores confiar en la pureza técnica y resolver los problemas del negocio. IA más rápida capacita a los equipos para hacer operativa la IA e impulsar el valor empresarial. 

Aprovechando las herramientas de SAIL, hemos optimizado el modelo para obtener un conjunto de datos sin ruido y sin sesgos.

Visión por ordenador es una plataforma de análisis de imágenes no-code/low-code que ayuda a optimizar el rendimiento para aumentar la eficiencia y disminuir los costes operativos. Con la posibilidad de cargar sus vídeos o imágenes, puede llevar a cabo los pasos de preprocesamiento necesarios, entrenar modelos de IA/ML y, a continuación, empezar a utilizarlos. El desarrollo de los modelos de visión por ordenador es completamente sin código. Todo en la plataforma es una tarea intuitiva y visual, lo que da como resultado un entorno que solo lleva unos minutos aprender. Así, se convierte en una poderosa herramienta para que los principiantes comiencen rápidamente y los expertos en IA desarrollen más rápido y aprovechen el código personalizado con una infraestructura totalmente gestionada para la visión por ordenador.

El generador de datos sintéticos es una plataforma que utiliza algoritmos para crear datos artificiales reflejando las propiedades estadísticas de los datos originales sin revelar ninguna información relativa a personas reales. El uso de la plataforma permite a los usuarios empresariales mantener la privacidad, realizar con éxito pruebas de productos y entrenar algoritmos de ML. Ayuda a las empresas a no tener que elegir entre la privacidad y la utilidad de los datos al seleccionar una tecnología que mejora la privacidad. 

Nuestra solución de datos sintéticos impulsada por IA toma sus datos originales y los transforma en copias sintéticas que respetan la privacidad. Los datos en forma de conjuntos de datos tabulares o imágenes pueden fluir libremente a través de su negocio y asociaciones, al tiempo que proporcionan la máxima seguridad de los datos. Al conservar los datos originales con copias sintéticas, permitimos a los ingenieros, científicos de datos, analistas y propietarios de productos tomar decisiones importantes más rápidamente, sin exponer sus datos sensibles. 

La plataforma permite crear conjuntos de datos más rápido y mejor con el perfilado de la calidad de los datos, el etiquetado y la generación de datos sintéticos. Ayuda a cualquiera que tenga problemas para acceder a datos sensibles o que utilice datos de baja calidad mientras crea e implementa soluciones de IA escalables. Nuestra plataforma resuelve estos puntos conflictivos de los datos con datos sintéticos y herramientas que mejoran la calidad de los datos con la automatización.

IaaS (innovación como servicio) es una plataforma que conecta intuitivamente cada paso del viaje del dominio y alberga varias soluciones. Estas soluciones ayudan a los clientes a mejorar eficazmente el sistema cognitivo de los sistemas de dominio a través de varias innovaciones impulsadas por la IA. La capacidad de capturar nuevas innovaciones del fondo de conocimientos y hacerlas accesibles al mundo corporativo es lo que llamamos innovación como servicio.

Nuestra asociación con el Stanford AI Laboratory (SAIL) y el uso de redes generativas antagónicas (GAN) diferencian a vNet de otras soluciones.

vNet:

• Aprovecha las aplicaciones desarrolladas con SAIL para crear conjuntos de datos libres de ruido y no sesgados. 
• Utiliza GAN para aumentar el conjunto de datos para imágenes y datos textuales/numéricos

vNet permite a los usuarios realizar las siguientes operaciones:

• Generar datos sintéticos tabulares y de imagen
• Realizar el preprocesamiento de imágenes y construir modelos de visión por ordenador
• Crear pipelines de ML sin necesidad de codificar 
• Aprovechar las aplicaciones del Stanford AI Laboratory (SAIL) para eliminar el ruido y los sesgos de los conjuntos de datos

Las ventajas de utilizar vNet a través de vLife son la capacidad de:

• Reunir sus casos de uso en el mercado de vLife utilizando modelos ML preentrenados que se han creado para escalar en iniciativas de IA a nivel empresarial en el ámbito de la sanidad y las ciencias de la vida.
• Generar y utilizar datos tabulares, de imagen o de vídeo de alta fidelidad para entrenar algoritmos de ML con el fin de poner en marcha su negocio o sus iniciativas a través de la suite de productos vNet dentro de vLife.
• Incorporar a su organización a vLife eligiendo un modelo de suscripción.
• Utilizar la visión por ordenador y otros productos low-code/no-code para impulsar las soluciones industriales y optimizar el rendimiento, el coste y la eficacia.
• Aprovechar la IA más rápida, nuestra plataforma de IA sin código, para construir, entrenar, desplegar y optimizar modelos de ML para crear conjuntos de datos libres de ruido y sin sesgos. 
• Trabajar con el diseñador de modelos de negocio de la plataforma de IA para reunir modelos de IA preentrenados del mercado de vLife y permitir a los analistas de negocio crear soluciones integrales. 
• Emplear la innovación como servicio (IaaS) para seleccionar intuitivamente aplicaciones y software de terceros en MLOps, aprendizaje por transferencia y aprendizaje federado.

Con más de 1000 modelos de ML y artefactos de IA disponibles en vLife, puede crear sus propios modelos de ML para aprovechar los datos en función de las prioridades de su organización y el presupuesto del proyecto.

El entrenamiento de modelos ML personalizados seguirá siendo un reto para los científicos de datos si no tienen suficientes datos disponibles. Para solucionar esto, hemos creado vNet. La solución, disponible en vLife, ofrece a las empresas acceso a datos tabulares e imágenes sintéticas de alta fidelidad generados por las aplicaciones de vLife. 

Con vNet, puede acceder a:

• Aplicaciones para generar datos sintéticos
• Imagen sintética o datos tabulares
• Los servicios de consultoría e ingeniería de Virtusa para generar la opción A y/o la opción B

Reconocemos la importancia transcendental de la colaboración en el avance de las tecnologías de IA para crear soluciones inteligentes. Estas soluciones tienen el poder de mejorar las vidas, hacer más eficientes las empresas y ayudarlas a evolucionar como líderes de opinión en el espacio de la atención sanitaria y las ciencias de la vida. Entendemos que no todas las soluciones pueden crearse y alojarse en un solo lugar como una “solución para todo”.

Todos los clientes y socios de Virtusa podrán acceder pronto a vNet a través del mercado sanitario y de ciencias de la vida vLife en una aplicación basada en la interfaz de usuario dentro de vLife.

Nuestro objetivo es desarrollar activos de vanguardia, guiados por la investigación académica y las asociaciones, que aborden los puntos débiles de la industria. A través de una experiencia de mercado enriquecida, podemos inspirar a todos los integrantes de las industrias de la salud y las ciencias de la vida para acelerar la investigación médica impulsada por la IA con datos e innovación.

Hemos diseñado vLife para ofrecer una experiencia de usuario fluida a sus usuarios de confianza. El motor de gestión de usuarios de vLife fue desarrollado utilizando AWS Cognito para proteger la integridad de nuestros clientes y es 100 % seguro. Los datos se almacenan de forma segura en la nube de AWS y están bajo múltiples cortafuegos y capas de seguridad para su protección.

El motor de administración de usuarios es un flujo de trabajo integral que almacena, mapea, protege y clasifica la información del usuario utilizando AWS Cognito y otros servicios de AWS. Garantiza un 100 % de seguridad sobre la información del usuario. Las credenciales utilizadas para acceder a vLife se convierten en claves de acceso seguras y se cifran varias veces. Una vez que el usuario se registra/inicia sesión en el portal de vLife, las credenciales se verifican en el backend de incógnito. Para mayor seguridad, verificamos el correo electrónico del usuario con una contraseña de un solo uso (OTP), que permanece válida durante 24 horas. A continuación, al usuario se le asigna a su plan de suscripción y puede acceder a las ofertas de vLife. Estas credenciales son únicas para cada usuario, protegiendo así su integridad.

Para cada plan de suscripción, hay un usuario principal que representa a la organización. El usuario principal tiene derechos de administrador para permitir el acceso y denegar el acceso a los usuarios adicionales de la organización en función del plan de suscripción. 

Al registrarse en el portal, el usuario debe verificar su correo electrónico, generar una contraseña y proporcionar el nombre de la empresa. Una vez registrado y aprobado por un administrador de vLife, el usuario puede acceder directamente al portal con su nombre de usuario y contraseña.

Los datos sintéticos ayudan a resolver los problemas de datos más comunes produciendo datos artificiales desde cero o utilizando técnicas avanzadas de aumento para producir ejemplos de entrenamiento novedosos y diversos. Utilizamos las siguientes herramientas para generar datos sintéticos:

• GAN: las redes generativas antagónicas (GAN) son modelos de ML en los que dos redes neuronales compiten para ser más precisas en sus predicciones. Estos procesos se ejecutan sin supervisión y utilizan un marco de juego cooperativo de suma cero para aprender y generar datos realistas.
• GenRocket: la plataforma de generación de datos de prueba GenRocket utiliza datos de prueba de alta calidad que reflejan los modelos de datos más complejos y están disponibles siempre que se necesitan para evitar cuellos de botella durante las pruebas continuas. GenRocket sustituye la generación manual de datos de prueba (TDG) por un proceso totalmente automatizado que convierte los datos ficticios en datos inteligentes. La tecnología para la generación de datos sintéticos en tiempo real permite a los clientes aumentar la velocidad de comercialización y reducir el riesgo empresarial.
• Synthea: Synthea es un generador que modela el historial médico de pacientes sintéticos. Nuestra misión es proporcionar datos de pacientes de alta calidad y realistas, así como registros sanitarios asociados, que cubran todos los aspectos de la atención sanitaria. Synthea utiliza un enfoque basado en agentes para generar historiales médicos sintéticos. Cada paciente se genera de forma independiente y progresa desde el nacimiento hasta la muerte a través de representaciones modulares de varias enfermedades y afecciones a través de cada módulo del sistema.

La captación de innovaciones a partir del crowdsourcing está ahora lo suficientemente optimizada como para formar parte del kit de supervivencia de cualquier empresa. El crowdsourcing se basa en grandes grupos no estructurados de personas para crear un resultado único y estructurado. Las empresas quieren aprovechar la multitud para agilizar la innovación y acelerar el desarrollo de productos y tecnologías. Capturar las nuevas innovaciones del conjunto de conocimientos y hacerlas accesibles al mundo corporativo es, en esencia, innovación como servicio.

Virtusa se unió al Stanford AI Laboratory (SAIL) como miembro afiliado a través de su iniciativa vLife. La colaboración reúne la profunda experiencia en ingeniería digital de Virtusa y los prestigiosos investigadores del Stanford AI Laboratory para desarrollar y avanzar en la tecnología de IA. Con la colaboración de SAIL, vLife se centrará en el uso de la IA para ayudar a los pacientes a vivir más tiempo y mejorar la rentabilidad de los productos utilizados en los sectores de la salud y las ciencias de la vida mediante la ampliación de los proyectos de investigación de código abierto para IA.

Las aplicaciones SAIL también se han integrado en la plataforma de IA más rápida de vNet que los usuarios pueden utilizar para crear conjuntos de datos libres de ruido y sin sesgos. Virtusa y el Stanford AI Laboratory (SAIL) desarrollaron un enfoque eficiente para ayudar a encontrar y mitigar el sesgo de nuestros modelos ML. El preprocesamiento y postprocesamiento tanto de los conjuntos de datos como de los modelos crean nuestro enfoque sistemático.

Los pasos incluyen:

• Uso del Shapley de datos y el Shapley de neuronas para evaluar cada punto de datos en el conjunto de datos
• Uso de Multiaccuracy para eliminar el sesgo del modelo
• Utilización del cPCA para visualizar el conjunto de datos

vLife está diseñado sobre la base del marco de trabajo bien diseñado de AWS, que abarca las mejores prácticas de arquitectura para diseñar y operar sistemas fiables, seguros, eficientes y rentables en la nube. La arquitectura se mide constantemente para las mejores prácticas que se centran en cómo diseñar, implementar y arquitecturar nuestras soluciones de ML en la nube. 

El diseño como tal permite a los desarrolladores y científicos de datos crear, entrenar e implementar modelos de ML de forma rápida y sencilla a cualquier escala utilizando AWS SageMaker.

En vLife, las operaciones de ML se realizan utilizando marcos de ML de código abierto, como TensorFlow, PyTorch y Apache MXNet. 

La AMI de aprendizaje profundo y los contenedores de aprendizaje profundo de este nivel tienen varios marcos de ML preinstalados que están optimizados para el desempeño y sirven como el motor principal de la IA más rápida. La optimización hace que estos modelos estén siempre listos para lanzarse en infraestructuras informáticas potentes y optimizadas para ML, como las instancias de Amazon EC2 G4 y P3, que proporcionan mayor velocidad, optimización de costes y eficiencia a las cargas de trabajo de ML.

En vLife, seguimos los siete pasos hacia la excelencia para MLOps:

1. Preparación para MLOps
2. Documentación del modelo
3. Seguimiento del linaje del modelo
4. Automatización de la carga de trabajo de ML
5. Supervisión y registro del modelo
6. Volver a entrenar el modelo para nuevos datos y actualizaciones
7. Incorporación de los aprendizajes

El aprendizaje federado es una técnica de ML que entrena un algoritmo a través de múltiples dispositivos en la periferia descentralizados o servidores que tienen muestras de datos locales sin intercambiarlos. 

En vLife, nuestro objetivo es implementar el aprendizaje federado al entrenar los datos distribuidos. Se mantiene la privacidad diferencial y la precisión de las redes neuronales profundas de 

los datos médicos sensibles a las casuísticas no se ve comprometida.