Une équipe d'imagerie médicale dispose de nombreuses tomodensitométries non étiquetées dans S3 et doit créer un pipeline d'étiquetage auquel seuls les utilisateurs autorisés peuvent accéder. Quel ensemble d'étapes permettra de créer le pipeline d'étiquetage avec le moins d'effort de développement ?

La bonne réponse est de créer un effectif privé (restreint) et un fichier manifeste, puis de créer un travail d'étiquetage Ground Truth à l'aide du type de tâche de boîte englobante intégré. Cette approche est la plus efficace car Amazon SageMaker Ground Truth est spécifiquement conçu pour l'étiquetage de données à grande échelle avec un effort de développement minimal. Un effectif privé garantit que seuls les utilisateurs autorisés peuvent accéder aux tâches d'étiquetage, répondant ainsi à l'exigence de sécurité. Le type de tâche de boîte englobante est idéal pour l'imagerie médicale où la détection d'objets (par exemple, des tumeurs) est courante. Les autres options sont moins optimales : Créer un outil d'étiquetage personnalisé sur EC2 et utiliser SQS implique un effort de développement important. Mechanical Turk est pour l'étiquetage public et ne garantit pas l'accès restreint. Utiliser Cognito, Amplify et Lambda est une solution personnalisée qui demande également un effort de développement considérable.