Providence Health：Databricks Mosaic AIを使用したML/AIプロジェクトのスケーリング

Providence Healthの広範なネットワークは50以上の病院と複数の州にまたがるその他の施設を包含しており、特定の部門内での患者数と日々の患者数を予測することは多くの課題を伴います。この情報は、短期および長期のスタッフニーズ、患者の転送、一般的な運用認識についての情報提供を行うために重要です。Databricksの採用初期段階では、Providenceは新しいリクエストを迅速に進め、探索を支援し、多くの場合初期の予測を提供するシンプルな基準患者数モデルを作成することを目指しました。また、この患者数をほぼリアルタイムで数千の部門をサポートするようにスケーリングするには一部の作業が必要だと認識しました。

私たちは、Databricks Mosaic AIツールの実装を開始しました Databricks AutoMLを使用しています。スケジュールされたワークフローが実行されるたびに、数行のコードから自動的に予測を実行する能力を高く評価しました。AutoMLは詳細なモデル設定を必要とせず、データを初めて予測で見るのに理想的です。私たちは ノートブックを作成し、予測クラスを定義し、AutoMLのコードを数行含めました。スケジュールされたワークフローから予測を実行すると、AutoMLはモデル訓練の実験を作成するだけでなく、サポートするノートブックとデータ分析も自動的に生成しました。この機能により、特定のジョブの実行をレビューし、予測のパフォーマンスを評価し、異なる試行のパフォーマンスを比較し、必要に応じて他の重要な詳細にアクセスすることができました。

Providence Healthは、機械学習とAIの業界リーダーであることを誇りに思っています。当初の試験では、40以上の救急部門で平均して、我々の基準である1時間を大幅に上回るセンサス配信予測が得られました。我々の目標はほぼリアルタイムの予測であるため、これは明らかに受け入れられない結果でした。幸運にも、Providence HealthとDatabricksは過去数年間で、ヘルスケア技術の難問に対する創造的な解決策を見つけるためにパートナーシップを結んできました。そして、その関係を続ける機会を見つけました。

Databricksのソリューションアーキテクトや製品エンジニアと密接に協力することで、初期の結果を改善し、一度にサポートする部門の数を7倍に増やすことができました（約40から300+へ）、そして1時間以内に正確な部門の到着と占有率の予測を提供しました。これは、Databricks AutoMLとProvidence Health側の両方でコードを最適化することによって達成されました。今日、我々の目標である基本的な予測を毎日提供することが達成され、引き続きスケールアップしています。現在AutoMLにないモデルについては、他のDatabricksノートブックとMLFlowを使用しており、近い将来にそれらをAutoMLに含めることを楽しみにしています。継続的な最適化作業を進める中で、Providence Healthの顧客に対してほぼリアルタイムで数千の予測を提供できるようになると予想しています。

追加の読み物:

DatabricksのMosaic AutoMLを使用したローコードMLソリューションについて詳しく知る

ローコードのUIまたはPython APIを通じてAutoMLの実験を始めましょう