Deep-Learning verlagert sich in der Medizin aus der Forschung vermehrt in die klinische Bereitstellung, und praktische Überlegungen werden daher schnell zu einem Hauptanliegen der operativen Leitung. Auch wenn die Hardwareinfrastruktur eine Grundvoraussetzung ist, sorgt diese im klinischen Umfeld für besondere Herausforderungen, da Komponenten wie GPU-Computing, Highspeed-Networking, schneller Speicher sowie Richtlinien und Verfahren für die Verwendung erforderlich sind.
In dieser Publikation werden die Schritte des typischen Projektablaufs bei MGH & BWH Center for Clinical Data Science (CCDS) wie folgt betrachtet:
- Die Gründe für ein lokales System
- Die zu bewältigenden Herausforderungen
- Eine Fallstudie zum Einsatz dieser Werkzeuge innerhalb des Projektlebenszyklus