本周AWS在Re: Invent大会上针对医疗及制药业推出健康看护、生物科技业专用的资料湖服务Amazon HealthLake。
Amazon HealthLake为符合健康看护资料可携式规范HIPAA的资料湖服务，可集结医疗院所、药厂各个孤立资料源，以及不同格式的资料到AWS资料湖，并以机器学习自动完成资料范式（normallized）、加标注，以利用于资料分析及搜索，通过以资料湖集结各种医疗资料源，构建对病患的完整视角，找出过去看不到的关联和趋势。
随着机器学习技术的流行，许多医院或药厂也开始推动项目。医院搜集了从家族病史、临床观察到诊断与开药等大量资料，以便能借由机器学习和分析来促进看护品质、分析总体趋势或改善作业效率。但是临床资料种类复杂、存储在不同地方的不同系统中，且经常填写不齐全。要用于机器学习前，医院信息必须集结起来并以标准化FHIR（Fast Healthcare Interoperability）格式存储资料，但是前述资料往往是非结构化形式，还必须标注、加索引并以年份排列整理，资料才能为机器理解，并利用搜索。
医疗业也试图使用rule-based工具来标注资料，但碰到拼错字、打错字、文法错误，这些工具就无法使用，而光学扫描软件则缺乏医疗专业，无法有效处理资料。医院最后只好改回手动输入。这些工作外，医院还必须自己开发分析或机器学习应用，才能针对资料分析出关联、找出趋势或进行预测。
Amazon HealthLake方便让医院或药厂存储、标注及标准化这些资料。利用Amazon HealthLake，医院可将资料从本地系统复制一份到AWS上，它会自动范式，之后HealthLake利用训练过、能理解医学词汇的机器学习算法，来识别并为临床信息加上标注、为事件按时序加索引，再加入标准化标签（如医药、条件、诊断和疗程），以方便未来搜索。此外，这些信息会按FHIR产业格式架构，便于和其他单位或第三方应用互通、分享，也方便病患查询电子病历。
此外，AWS也计划，Amazon HealthLake客户再搭配其他AWS工具使用，像是交互报表Amazon QuickSight、机器学习模型训练平台SageMaker。例如在Amazon SageMaker中以Jupyter Notebook范本来分析，像是诊断预测、再入院几率、或是开刀房利用率预测等。
Amazon HealthLake目前客户包括电子病历软件大厂Cerner、医疗科技企业Ciox Health及医院Konica Minolta Healthcare等。