Con il progresso del campo del deep learning in medicina per lo sviluppo clinico, stanno nascendo via via sempre più considerazioni pratiche per la leadership operativa. L'infrastruttura hardware, per quanto sia un fattore chiave, presenta sfide specifiche in questo ambito, in quanto richiede componenti come elaborazione GPU, reti ad alta velocità, uno storage rapido, oltre a prassi e procedure di utilizzo.
Analizzando un flusso di lavoro di progetti tipico al MGH & BWH Center for Clinical Data Science (CCDS), questo documento presenta quanto segue:
- Motivi per creare un tale sistema in loco
- Le sfide da affrontare
- Un case study su come sfruttare questi strumenti per tutto il ciclo di vita dei prodotti