UCLA-forskare använder maskininlärning på OCI för att förutsäga kirurgiska resultat
Universitetet använder Oracle Cloud Infrastructure för att kunna förutsäga patientresultat mer noggrant efter operationen, vilket leder till bättre patientvård.
“Det skulle ta över 30 timmar för våra standardmaskiner att träna en ensemblemodell för 2 000 patienter. När vårt team tog sig an större datamängder med över 30 000 patienter gav Oracle Cloud betydligt mer beräkningskraft.”
University of California, Los Angeles (UCLA) är ett statligt universitet som bygger på sitt land-grant-uppdrag för undervisning, forskning och samhällsservice. Som en del av sin pågående ortopediska forskning använder UCLA maskininlärningsverktyget AutoPrognosis (ML). Den lär sig flera ML-modeller samtidigt och skapar sedan automatiskt den bästa modelleringen av pipelines för medicinsk prognos. UCLA saknade dock de beräkningsresurser som behövdes för att utföra avancerade ML-analyser inom en rimlig tidsram. När universitetet migrerade till Oracle Cloud Infrastructure (OCI) kunde teamet dra nytta av högpresterande datorer och molnlagringsalternativ till låg kostnad. OCI-processorer har unika flexibla och prisvärda virtuella maskiner och instanser utan särskilt operativsystem samtidigt som blocklagring på begäran uppfyller UCLA:s krav på lagringsbelastning.