Accenture erstellt eine Lösung zur Erstellung regulatorischer Dokumente mithilfe der generativen KI-Dienste von AWS | Amazon Web Services

Dieser Beitrag wurde gemeinsam mit Ilan Geller, Shuyu Yang und Richa Gupta von Accenture verfasst.

Die Markteinführung innovativer neuer Arzneimittel ist ein langer und anspruchsvoller Prozess. Unternehmen sind mit komplexen Vorschriften und umfangreichen Zulassungsanforderungen von Aufsichtsbehörden wie der US-amerikanischen Food and Drug Administration (FDA) konfrontiert. Ein wichtiger Teil des Einreichungsprozesses ist das Verfassen von Regulierungsdokumenten wie dem Gemeinsames technisches Dokument (CTD), ein umfassendes, standardformatiertes Dokument zur Einreichung von Anträgen, Änderungen, Ergänzungen und Berichten bei der FDA. Dieses Dokument enthält über 100 sehr detaillierte technische Berichte, die im Rahmen der Arzneimittelforschung und -prüfung erstellt wurden. Die manuelle Erstellung von CTDs ist unglaublich arbeitsintensiv und erfordert für ein typisches großes Pharmaunternehmen bis zu 100,000 Stunden pro Jahr. Auch das mühsame Zusammenstellen hunderter Dokumente ist fehleranfällig.

Accenture hat mithilfe automatisierter Verfahren eine Lösung für die Erstellung regulatorischer Dokumente entwickelt generative KI Dies ermöglicht es Forschern und Testern, CTDs effizient zu erstellen. Durch das Extrahieren wichtiger Daten aus Testberichten verwendet das System Amazon SageMaker-JumpStart und andere AWS-KI-Dienste, um CTDs im richtigen Format zu generieren. Dieser revolutionäre Ansatz reduziert den Zeit- und Arbeitsaufwand für die CTD-Erstellung. Benutzer können die computergenerierten Berichte vor der Übermittlung schnell überprüfen und anpassen.

Aufgrund der Sensibilität der Daten und des damit verbundenen Aufwands benötigen Pharmaunternehmen ein höheres Maß an Kontrolle, Sicherheit und Überprüfbarkeit. Diese Lösung basiert auf den Prinzipien und Richtlinien von AWS Well-Architected, um die Kontroll-, Sicherheits- und Prüfbarkeitsanforderungen zu erfüllen. Das benutzerfreundliche System nutzt aus Sicherheitsgründen auch Verschlüsselung.

Durch die Nutzung der generativen KI von AWS möchte Accenture die Effizienz regulierter Branchen wie der Pharmaindustrie steigern. Die Automatisierung des frustrierenden CTD-Dokumentprozesses beschleunigt die Zulassung neuer Produkte, sodass innovative Behandlungen schneller zum Patienten gelangen können. KI bringt einen großen Schritt nach vorne.

Dieser Beitrag bietet einen Überblick über eine von Accenture entwickelte generative End-to-End-KI-Lösung für die Erstellung regulatorischer Dokumente mithilfe von SageMaker JumpStart und anderen AWS-Diensten.

Lösungsüberblick

Accenture hat eine KI-basierte Lösung entwickelt, die automatisch ein CTD-Dokument im erforderlichen Format generiert und den Benutzern die Flexibilität bietet, den generierten Inhalt zu überprüfen und zu bearbeiten. Der vorläufige Wert wird auf eine Reduzierung der Autorenzeit um 40–45 % geschätzt.

Diese generative KI-basierte Lösung extrahiert Informationen aus den im Rahmen des Testprozesses erstellten technischen Berichten und liefert das detaillierte Dossier in einem gemeinsamen Format, das von den zentralen Leitungsgremien gefordert wird. Anschließend überprüfen und bearbeiten die Benutzer die Dokumente, sofern erforderlich, und übermitteln sie an die zentralen Leitungsgremien. Diese Lösung verwendet die Modelle SageMaker JumpStart AI21 Jurassic Jumbo Instruct und AI21 Summarize, um die Dokumente zu extrahieren und zu erstellen.

Das folgende Diagramm zeigt die Lösungsarchitektur.

Der Arbeitsablauf besteht aus den folgenden Schritten:

1. Ein Benutzer greift über seinen Computerbrowser auf das Tool zur Erstellung regulatorischer Dokumente zu.
2. Eine React-Anwendung wird auf gehostet AWS verstärken und der Zugriff erfolgt vom Computer des Benutzers (für DNS verwenden Sie Amazon Route 53).
3. Die React-Anwendung verwendet die Amplify-Authentifizierungsbibliothek, um zu erkennen, ob der Benutzer authentifiziert ist.
4. Amazon Cognito stellt einen lokalen Benutzerpool bereit oder kann mit dem aktiven Verzeichnis des Benutzers verbunden werden.
5. Die Anwendung verwendet die Amplify-Bibliotheken für Amazon Simple Storage-Service (Amazon S3) und lädt von Benutzern bereitgestellte Dokumente auf Amazon S3 hoch.
6. Die Anwendung schreibt die Auftragsdetails (von der App generierte Auftrags-ID und Speicherort der Amazon S3-Quelldatei) in eine Amazon Simple Queue-Dienst (Amazon SQS)-Warteschlange. Es erfasst die von Amazon SQS zurückgegebene Nachrichten-ID. Amazon SQS ermöglicht eine fehlertolerante entkoppelte Architektur. Selbst wenn bei der Verarbeitung eines Auftrags Backend-Fehler auftreten, sorgt ein Auftragsdatensatz in Amazon SQS für erfolgreiche Wiederholungsversuche.
7. Mithilfe der von der vorherigen Anfrage zurückgegebenen Job-ID und Nachrichten-ID stellt der Client eine Verbindung zum her WebSocket-API und sendet die Job-ID und Nachrichten-ID an die WebSocket-Verbindung.
8. Der WebSocket löst eine aus AWS Lambda Funktion, die einen Datensatz erstellt Amazon DynamoDB. Der Datensatz ist eine Schlüsselwertzuordnung der Job-ID (WebSocket) zur Verbindungs-ID und Nachrichten-ID.
9. Eine weitere Lambda-Funktion wird mit einer neuen Nachricht in der SQS-Warteschlange ausgelöst. Die Lambda-Funktion liest die Job-ID und ruft eine auf AWS Step-Funktionen Workflow für die Verarbeitung von Datendateien.
10. Die Step Functions-Zustandsmaschine ruft eine Lambda-Funktion auf, um die Quelldokumente zu verarbeiten. Der Funktionscode ruft auf Amazontext die Dokumente zu analysieren. Die Antwortdaten werden in DynamoDB gespeichert. Basierend auf spezifischen Anforderungen an die Verarbeitungsdaten können diese auch in Amazon S3 oder gespeichert werden Amazon DocumentDB (mit MongoDB-Kompatibilität).
11. Eine Lambda-Funktion ruft die Amazon Textract-API DetectDocument auf, um Tabellendaten aus Quelldokumenten zu analysieren und extrahierte Daten in DynamoDB zu speichern.
12. Eine Lambda-Funktion verarbeitet die Daten basierend auf Zuordnungsregeln, die in einer DynamoDB-Tabelle gespeichert sind.
13. Eine Lambda-Funktion ruft die Eingabeaufforderungsbibliotheken und eine Reihe von Aktionen mithilfe generativer KI mit einem großen gehosteten Sprachmodell auf Amazon Sage Maker zur Datenzusammenfassung.
14. Die Lambda-Funktion „Document Writer“ schreibt ein konsolidiertes Dokument in einen S3-verarbeiteten Ordner.
15. Die Job-Callback-Lambda-Funktion ruft die Callback-Verbindungsdetails aus der DynamoDB-Tabelle ab und übergibt die Job-ID. Anschließend führt die Lambda-Funktion einen Rückruf zum WebSocket-Endpunkt durch und stellt den Link zum verarbeiteten Dokument von Amazon S3 bereit.
16. Eine Lambda-Funktion löscht die Nachricht aus der SQS-Warteschlange, sodass sie nicht erneut verarbeitet wird.
17. Ein Dokumentgenerator-Webmodul wandelt die JSON-Daten in ein Microsoft Word-Dokument um, speichert es und rendert das verarbeitete Dokument im Webbrowser.
18. Der Benutzer kann die Dokumente vom Webmodul aus anzeigen, bearbeiten und wieder im S3-Bucket speichern. Dies hilft bei Überprüfungen und gegebenenfalls erforderlichen Korrekturen.

Die Lösung verwendet außerdem SageMaker-Notebooks (in der vorherigen Architektur mit T gekennzeichnet), um Domänenanpassungen durchzuführen, die Modelle zu optimieren und die SageMaker-Endpunkte bereitzustellen.

Zusammenfassung

In diesem Beitrag haben wir gezeigt, wie Accenture die generativen KI-Dienste von AWS nutzt, um einen End-to-End-Ansatz für eine Lösung zur Erstellung regulatorischer Dokumente zu implementieren. Diese Lösung hat in frühen Tests gezeigt, dass die für die Erstellung von CTDs erforderliche Zeit um 60–65 % reduziert werden konnte. Wir haben die Lücken in traditionellen Regulierungsplattformen und erweiterter generativer Intelligenz in ihrem Rahmen für schnellere Reaktionszeiten identifiziert und verbessern das System kontinuierlich, während wir gleichzeitig mit Benutzern auf der ganzen Welt interagieren. Wenden Sie sich an das Accenture Center of Excellence-Team, um tiefer in die Lösung einzutauchen und sie für Ihre Kunden bereitzustellen.

Dieses gemeinsame Programm mit Schwerpunkt auf generativer KI wird dazu beitragen, die Time-to-Value für gemeinsame Kunden von Accenture und AWS zu verlängern. Die Bemühungen bauen auf der 15-jährigen strategischen Beziehung zwischen den Unternehmen auf und nutzen die gleichen bewährten Mechanismen und Beschleuniger, die von der entwickelt wurden Accenture AWS Business Group (AABG).

Kontaktieren Sie das AABG-Team unter akzentureaws@amazon.com um Geschäftsergebnisse durch die Transformation zu einem intelligenten Datenunternehmen auf AWS zu steigern.

Weitere Informationen zur Verwendung generativer KI auf AWS Amazonas Grundgestein oder SageMaker finden Sie unter Generative KI auf AWS: Technologie und Beginnen Sie mit der generativen KI auf AWS mit Amazon SageMaker JumpStart.

Sie können uns auch Melden Sie sich für den AWS-Newsletter zur generativen KI an, das Bildungsressourcen, Blogs und Service-Updates umfasst.

---

Über die Autoren

Ilan Geller ist Managing Director im Bereich Daten und KI bei Accenture. Er ist der Global AWS Partner Lead für Daten und KI und das Center for Advanced AI. Seine Aufgaben bei Accenture konzentrierten sich hauptsächlich auf das Design, die Entwicklung und die Bereitstellung komplexer Daten, KI/ML und zuletzt auf generative KI-Lösungen.

Shuyu Yang ist Generative AI und Large Language Model Delivery Lead und leitet außerdem CoE (Center of Excellence) Accenture AI (AWS DevOps Professional)-Teams.

Richa Gupta ist Technologiearchitekt bei Accenture und leitet verschiedene KI-Projekte. Sie verfügt über mehr als 18 Jahre Erfahrung in der Entwicklung skalierbarer KI- und GenAI-Lösungen. Ihr Fachgebiet ist KI-Architektur, Cloud-Lösungen und generative KI. Sie spielt eine wichtige Rolle bei verschiedenen Vorverkaufsaktivitäten.

Shichar Kwatra ist AI/ML Specialist Solutions Architect bei Amazon Web Services und arbeitet mit einem führenden globalen Systemintegrator zusammen. Mit über 500 Patenten in den Bereichen KI/ML und IoT hat er sich den Titel eines der jüngsten indischen Meistererfinder verdient. Shikhar hilft bei der Architektur, dem Aufbau und der Wartung kosteneffizienter, skalierbarer Cloud-Umgebungen für die Organisation und unterstützt den GSI-Partner beim Aufbau strategischer Branchenlösungen auf AWS. In seiner Freizeit spielt Shikhar gerne Gitarre, komponiert Musik und praktiziert Achtsamkeit.

Sachin Thakkar ist Senior Solutions Architect bei Amazon Web Services und arbeitet mit einem führenden Global System Integrator (GSI) zusammen. Er bringt über 23 Jahre Erfahrung als IT-Architekt und als Technologieberater für große Institutionen mit. Sein Schwerpunkt liegt auf Daten, Analytics und generativer KI. Sachin bietet Architekturberatung und unterstützt den GSI-Partner beim Aufbau strategischer Branchenlösungen auf AWS.

• SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
• PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
• PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
• PlatoESG. Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
• PlatoHealth. Informationen zu Biotechnologie und klinischen Studien. Hier zugreifen.
• Quelle: https://aws.amazon.com/blogs/machine-learning/accenture-creates-a-regulatory-document-authoring-solution-using-aws-generative-ai-services/