Alors que les projets Deep Learning appliqués à la médecine progressent de la recherche au déploiement clinique, plusieurs considérations pratiques deviennent une source de préoccupation pour le leadership opérationnel. L’infrastructure matérielle est un catalyseur-clé, mais elle pose des défis uniques en matière de déploiement clinique car elle repose sur des composants fondamentaux comme le calcul sur GPU, les réseaux à vitesse élevée, le stockage de haute capacité et l’application de politiques et de procédures strictes.
En étudiant le workflow utilisé par le centre MGH & BWH pour la Science des données cliniques, ce dossier s’attarde plus spécifiquement sur les points suivants :
- Les raisons du déploiement d’un système Deep Learning sur site
- Les défis auxquels vous pouvez être confrontés
- Une étude de cas sur les outils à exploiter tout au long du cycle de vie d'un projet