与您的数据对话： 用人工智能驱动的对象存储变革医疗保健

MinIO 的提示 API 现在是 AIStor 的一部分。MinIO 的创建是为了支持海量数据集，包括超过 EB 级的工作负载，解决内存、网络、复制和负载均衡方面的挑战，而 AIStor 的创建是为了建立在这些功能之上并解决我们客户的 AI 使用案例。作为 AIStor 的一部分，Prompt API 使用户能够使用自然语言提示与存储在 MinIO 中的非结构化对象进行交互，从而推进了这一使命。这意味着您可以要求对象描述自身，从对象创建结构化数据（如 JSON 数组），甚至执行复杂任务（如摘要或翻译）。在医疗保健领域，MinIO 的 Prompt API 改变了数据管理和分析。通过简化工作流程和加速洞察，它使组织能够解锁可操作的情报，提高研究、运营效率，并最终提高患者治疗效果。

Max Planck 案例研究

MinIO 为医疗保健做出了重大贡献。马克斯·普朗克人类发展研究所在管理大型数据集方面面临重大挑战，尤其是 MRI 扫描，其大小通常达到数十 GB。事实证明，传统的存储解决方案成本高昂且缺乏灵活性，促使该研究所采用 MinIO。MinIO 提供强大、可扩展且经济高效的存储，具有 S3 兼容性、生命周期管理和对 AI/ML 工作负载的支持。这一实施有助于加速研究所的研究计划。随着 AIStor 的推出，这一承诺进一步实现，使马克斯·普朗克研究所等机构能够更快地利用 AI 进行创新，更有效地管理数据，并解锁医疗保健研究的新可能性。

提示 API 的主要功能

• 非结构化对象：支持多种非结构化数据格式，包括文本、图像、PDF、GIF、视频等。
• 单个或多个对象：promptObject API 支持使用链接与单个对象或多个对象进行交互。这使用户或应用程序能够识别相似之处、不同之处或执行比较分析。
• 函数调用：包括对函数调用的支持，允许添加自定义逻辑和对 API 行为的动态调整。
• 链式函数：链接函数允许将一个 promptObject API 调用的输出用作下一个 API 调用的输入，从而促进创建复杂的工作流。这种模块化方法支持在单次交互中对数据对象执行多步骤操作，将简单性与多功能性相结合。

运作方式

MinIO 在后端运行多模态 LLM） 并处理所有事情。您无需成为 API 专家即可使用 Prompt API。您可以使用您或您的开发人员熟悉的任何语言的 GUI、API 或 SDK。使用提示 API 需要 GPU。与往常一样，AIStor 可以部署到任何公共云，但为了提高机密性和数据安全性，AIStor 和 Prompt API 可以部署在本地。

Prompt API 的医疗保健用例

临床研究和数据分析

• 从病历中加速洞察：快速识别大型医疗记录中的模式、趋势和异常。例如，“查找这些病历与具有相似症状和治疗结果的患者之间的所有相似之处和不同之处。
• 药物发现与开发：分析大量的生物医学文献和临床试验数据，以发现新的药物靶点和治疗策略。例如，“根据历史数据确定这种药物的潜在副作用”。
• 基因组数据分析：分析基因组序列以识别与疾病相关的遗传变异并预测患者预后。例如，“此序列文件中描述了哪些遗传变异？

医学成像

• 自动图像分析：自动分析医学图像（X 射线、MRI、CT 扫描）以检测异常并生成诊断报告。例如，“对于这些 MRI 脑部扫描，请给我 2 个共同属性和所提供图像之间的 2 个差异”

  

在实践中，此提示的工作原理是向 Prompt API 提供分类图像，如下例所示。

这是代码：

import os
MINIO_URL = os.environ['ENDPOINT_URL']
MINIO_ENDPOINT = MINIO_URL.split("//")[1]
ACCESS_KEY_ID = os.environ['ACCESS_KEY_ID']
SECRET_ACCESS_KEY = os.environ['SECRET_ACCESS_KEY']

import sys
import json
import time
from minio import Minio
from minio.commonconfig import Tags

minio = Minio(
    MINIO_ENDPOINT,
    access_key=ACCESS_KEY_ID,
    secret_key=SECRET_ACCESS_KEY
)

ref_object = minio.presigned_get_object(
    bucket_name="ai-data",
    object_name="tumor_classification_reference.png")

# Prompt Object using Chaninig
response = minio.prompt_object(
    bucket_name="ai-data",
    object_name="brain-image-11.png",
    prompt="Based on the reference image, analyze the latest MRI scan and determine if there is no tumor, a benign tumor, or a malignant. If there is a tumor, provide a brief description of the tumor's location and size",
    supporting_objects=[ref_object]
)
print(response.data.decode())

这是 AIstor 的输出：

根据提供的最新 MRI 扫描，存在肿瘤。肿瘤似乎位于大脑的左半球，靠近中心。肿瘤的大小相对较大，占据了左半球的很大一部分。肿瘤具有异质性外观，具有高信号强度和低信号强度区域，表明结构复杂。

患者护理和管理

• 患者调查： 准确衡量患者对医疗专业人员的满意度。例如，“这些患者调查中的哪些包括等待时间和办公室工作人员行为的非临床因素。

医疗保健管理

• 简化的数据管理：自动分类和组织医疗记录、索赔和其他医疗保健文档。例如，“此病历的诊断是什么？
• 欺诈检测：通过分析索赔数据和识别异常情况来识别潜在的欺诈和滥用行为。例如，“索赔人的地址和送达地点之间是否有任何不一致或差异？

为医疗保健专业人员提供支持

MinIO 的 Prompt API 代表了与非结构化医疗保健数据交互方式的重大飞跃。通过将自然语言处理的强大功能与 MinIO 对象存储的可扩展性和可靠性相结合，Prompt API 简化了复杂的数据工作流程，加速了洞察，并增强了患者护理。无论是分析医疗记录、比较成像扫描还是支持临床决策，这款创新的 API 都使医疗保健专业人员能够释放其数据的全部潜力。随着现代医疗保健需求的发展，Prompt API 成为弥合原始数据和可操作知识之间差距的关键工具，为患者和提供者带来更好的结果。