Ein Team für medizinische Bildgebung hat viele unbeschriftete CT-Scans in S3 und muss eine Beschriftungspipeline erstellen, auf die nur autorisierte Benutzer zugreifen können. Welche Schritte würden die Beschriftungspipeline mit dem geringsten Entwicklungsaufwand aufbauen?

Die Erstellung einer privaten (eingeschränkten) Workforce und einer Manifestdatei, gefolgt von einem Ground Truth-Beschriftungsauftrag mit dem integrierten Bounding-Box-Aufgabentyp, ist der effizienteste Weg. Amazon SageMaker Ground Truth wurde speziell für die Beschriftung großer Datensätze entwickelt und bietet integrierte Tools und Workflows, die den Entwicklungsaufwand minimieren. Eine private Workforce stellt sicher, dass nur autorisierte Benutzer Zugriff haben, was für medizinische Daten entscheidend ist. Die Option mit EC2 und SQS erfordert erheblichen Entwicklungsaufwand für das benutzerdefinierte Tool und die Warteschlangenverwaltung. Mechanical Turk ist für öffentliche Workforces gedacht und bietet nicht die erforderliche Zugriffskontrolle für sensible medizinische Daten. Die Amplify/Cognito/Lambda-Lösung erfordert ebenfalls eine vollständige benutzerdefinierte Entwicklung, was den Aufwand erhöht.