Royal Philips ha anunciado la disponibilidad de Philips HealthSuite Imaging en Amazon Web Services (AWS); adémas ambas construirán su alianza avanzando la IA en la asistencia sanitaria mediante la aplicación de modelos fundacionales utilizando Amazon Bedrock para acelerar el desarrollo de aplicaciones de inteligencia artificial generativa basadas en la nube que proporcionarán soporte para la toma de decisiones clínicas, facilitarán diagnósticos más precisos y automatizarán las tareas administrativas.
’’La disponibilidad de Philips HealthSuite Imaging en AWS es un añadido a las amplias capacidades de Philips en informática empresarial, lo que permite mejorar la velocidad de acceso a las imágenes, la fiabilidad y la orquestación de datos para radiólogos y médicos en todo el flujo de trabajo de imágenes, desde el diagnóstico hasta la selección de la terapia, el tratamiento y el seguimiento’’, señala la compañía en una nota.
de este modo, según explican los médicos podrán acceder a las últimas novedades desde cualquier lugar, y las organizaciones sanitarias podrán reducir los costes invertidos anteriormente en hardware local o centros de datos para alojar su plataforma de gestión de imágenes.
De este modo, Philips puede ayudar a los médicos a gestionar las crecientes cargas de trabajo en un entorno de escasez de personal y acelerar los tiempos de diagnóstico y tratamiento, mejorando los resultados de los pacientes.
Philips HealthSuite Imaging utilizará Amazon HealthLake Imaging para ampliar su alcance, ofrecer una primera imagen de manera rápida, permitir una fácil reutilización de las imágenes para el aprendizaje automático y la investigación, y reducir los costes de las imágenes médicas. La compañía también utilizará Amazon Bedrock dentro de su estrategia de desarrollar aplicaciones de IA generativa para avanzar en las capacidades de procesamiento de imágenes PACS y simplificar los flujos de trabajo clínicos y el reconocimiento de voz.
Por su parte, Amazon Bedrock permitirá a Philips desarrollar aplicaciones basadas en aprendizaje automático y reducir los costes de desarrollo de modelos, en comparación con la creación de modelos fundacionales desde cero o la ejecución de múltiples esfuerzos de desarrollo de modelos para tareas específicas.
Fuente: (EUROPA PRESS)
