制作生产就绪的管道： 在医疗领域遇到的挑战和经验教训-计算机科学-机器学习-医疗领域.pdfVIP

制作生产就绪的管道：

在医疗领域遇到的挑战和经验教训

DanielAngeloEstevesLawand,

LucasQuaresmaMedinaLam,

RobertoOliveiraBolgheroni,

RenatoCordeiroFerreira,

AlfredoGoldman,and

本MarceloFinger

译InstitutodeMatemáticaeEstatística(IME),UniversityofSãoPaulo(USP),Brazil

中JheronimusAcademyofDataScience(JADS),TilburgUniversity(TiU)and

TechnicalUniversityofEindhoven(TUe),TheNetherlands

3

v{renatocf,gold,mfinger}@ime.usp.br

6

4摘要将机器学习(ML)训练管道部署到生产环境需要良好的软件工程实

9

6践。不幸的是，典型的数据科学工作流程常常导致缺乏关键software质量属

0性的代码。这份经验报告调查了在螺旋形的项目中遇到的问题，该项目的

.

6目标是创建一个基于机器学习的系统(MLES)，通过语音分析来进行呼吸

0

5不足的预诊断。本文介绍了MLES的架构概述，然后比较了其Continuous

2Training子系统的三个版本：从概念验证泥球模型(v1)，到基于设计模式

:

v的模块化单体(v2)，再到测试驱动的一组微服务(v3)每个版本都改进了

i其整体的extensibility,maintainability,robustness和resiliency。本文分

x

r享了在此过程中遇到的挑战和经验教训，为寻求实现其工作流生产化的研

a

究人员和实践者提供了见解。

Keywords:代码质量·MLOps·软件架构·机器学习赋能系统·医

疗领域·经验报告

1介绍

在2020年，面对COVID-19疫情，圣保罗大学（USP）的一个多学科

3

研究团队创建了螺旋形的：一个通过语音分析检测呼吸不足的项目，使用

机器学习（ML）[7]。

3/spirabr

2D.Lawandetal.

自此，螺旋形的项目的范围已经发展到能够检测不同原因引起的呼吸

不足，包括许多可能导致此症状的疾病：吸烟副作用、流感、严重哮喘和心

脏状况[7]。

为了创建一个能够协助医生的工具，团队提议开发螺旋形的机器学习

增强系统（MLES）。自2020年以来，不