Wie InpharmD Amazon Kendra und Amazon Lex nutzt, um eine evidenzbasierte Patientenversorgung voranzutreiben

Dies ist ein Gastbeitrag, verfasst von Dr. Janhavi Punyarthi, Direktor der Markenentwicklung bei InpharmD.

Die Schnittmenge von DI und AI: Drug Information (DI) bezieht sich auf die Entdeckung, Verwendung und Verwaltung von Gesundheits- und medizinischen Informationen. Gesundheitsdienstleister haben viele Herausforderungen im Zusammenhang mit der Entdeckung von Arzneimittelinformationen, wie z. B. intensiver Zeitaufwand, mangelnde Zugänglichkeit und Genauigkeit zuverlässiger Daten. Die durchschnittliche klinische Anfrage erfordert eine Literaturrecherche, die durchschnittlich 18.5 Stunden dauert. Darüber hinaus liegen Arzneimittelinformationen oft in getrennten Informationssilos, hinter Bezahlwänden und Designwänden, und veralten schnell.

InpharmD ist ein mobilbasiertes, akademisches Netzwerk von Arzneimittelinformationszentren, das die Leistungsfähigkeit von künstlicher Intelligenz und pharmazeutischer Intelligenz kombiniert, um kuratierte, evidenzbasierte Antworten auf klinische Anfragen bereitzustellen. Das Ziel von InpharmD ist es, genaue Arzneimittelinformationen effizient bereitzustellen, damit Gesundheitsdienstleister schnell fundierte Entscheidungen treffen und eine optimale Patientenversorgung gewährleisten können.

Um dieses Ziel zu erreichen, baute InpharmD Sherlock, einen Prototyp-Bot, der medizinische Literatur liest und entziffert. Sherlock basiert auf KI-Diensten, einschließlich Amazon Kendra, ein intelligenter Suchdienst und Amazon Lex, ein vollständig verwalteter KI-Dienst zum Erstellen von Konversationsschnittstellen in jede Anwendung. Mit Sherlock können Gesundheitsdienstleister wertvolle klinische Beweise abrufen, die es ihnen ermöglichen, datengesteuerte Entscheidungen zu treffen und mehr Zeit mit den Patienten zu verbringen. Sherlock hat Zugriff auf über 5,000 Abstracts von InpharmD und 1,300 Arzneimittelmonographien der American Society of Health System Pharmacists (ASHP). Diese Datenbank wird jeden Tag erweitert, da mehr Abstracts und Monographien hochgeladen und bearbeitet werden. Sherlock filtert nach Relevanz und Aktualität, um Tausende von PDFs, Studien, Zusammenfassungen und anderen Dokumenten schnell zu durchsuchen und Antworten mit einer Genauigkeit von 94 % im Vergleich zu Menschen bereitzustellen.

Das Folgende ist eine vorläufige Bewertung der Textähnlichkeit und eine manuelle Bewertung zwischen einer maschinell erstellten Zusammenfassung und einer menschlichen Zusammenfassung.

InpharmD und AWS

AWS dient als Beschleuniger für InpharmD. AWS SDKs reduzieren die Entwicklungszeit erheblich, indem sie gemeinsame Funktionalitäten bereitstellen, die es InpharmD ermöglichen, sich auf die Bereitstellung qualitativ hochwertiger Ergebnisse zu konzentrieren. AWS-Services wie Amazon Kendra und Amazon Lex ermöglichen es InpharmD, sich weniger Gedanken über Skalierung, Systemwartung und Stabilität zu machen.

Das folgende Diagramm veranschaulicht die Architektur von AWS-Services für Sherlock:

InpharmD hätte Sherlock ohne die Hilfe von AWS nicht bauen können. Im Kern verwendet InpharmD Amazon Kendra als Grundlage seiner Initiativen für maschinelles Lernen (ML), um die Dokumentenbibliothek von InpharmD zu indizieren und mithilfe der Verarbeitung natürlicher Sprache intelligente Antworten bereitzustellen. Dies ist herkömmlichen, auf Fuzzy-Suche basierenden Algorithmen überlegen, und das Ergebnis sind bessere Antworten auf Benutzerfragen.

InpharmD verwendete dann Amazon Lex, um Sherlock zu erstellen, einen Chatbot-Service, der die ML-gestützten Suchergebnisse von Amazon Kendra über eine benutzerfreundliche Konversationsschnittstelle liefert. Sherlock nutzt die natürlichen Sprachverständnisfunktionen von Amazon Lex, um die Absicht zu erkennen und den Kontext von Fragen besser zu verstehen, um die besten Antworten zu finden. Dies ermöglicht natürlichere Gespräche über Anfragen und Antworten in der medizinischen Literatur.

Darüber hinaus speichert InpharmD die Arzneimittelinformationen über S3-Buckets in der Cloud. Mit AWS Lambda kann InpharmD die Serverlogik skalieren und problemlos mit verschiedenen AWS-Services interagieren. Es ist der Schlüssel zur Verbindung von Amazon Kendra mit anderen Diensten wie Amazon Lex.

"AWS hat wesentlich zur Beschleunigung der Entwicklung von Sherlock beigetragen. Wir müssen uns nicht so viele Gedanken über Skalierung, Systemwartung und Stabilität machen, weil AWS das für uns erledigt. Mit Amazon Kendra und Amazon Lex können wir die beste Version von Sherlock erstellen und unsere Entwicklungszeit um Monate verkürzen. Darüber hinaus können wir die Zeit für jede Literatursuche um 16 % verkürzen."

– Tulasee Chintha, Chief Technological Officer und Mitbegründer von InpharmD.

Impact der HXNUMXO Observatorien

InpharmD genießt das Vertrauen eines Netzwerks von über 10,000 Anbietern und acht Gesundheitssystemen und hilft dabei, evidenzbasierte Informationen bereitzustellen, die die Entscheidungsfindung beschleunigen und Ärzten Zeit sparen. Mit Hilfe der InpharmD-Dienste wird die Zeit für jede Literatursuche um 16 % verringert, was ungefähr 3 Stunden pro Suche einspart. InpharmD liefert auch ein umfassendes Ergebnis mit ungefähr 12 Zusammenfassungen von Zeitschriftenartikeln für jede Literaturrecherche. Mit der Implementierung von Sherlock hofft InpharmD, den Literatursuchprozess noch effizienter zu gestalten und mehr Studien in kürzerer Zeit zusammenzufassen.

Der Sherlock-Prototyp wird derzeit Beta-getestet und mit Anbietern geteilt, um Benutzer-Feedback zu erhalten.

"Der Zugang zur InpharmD-Plattform ist sehr anpassbar. Ich war froh, dass das InpharmD-Team mit mir zusammengearbeitet hat, um meine spezifischen Bedürfnisse und die Bedürfnisse meiner Institution zu erfüllen. Ich fragte Sherlock nach der Sicherheit eines Medikaments und das Produkt gab mir eine Zusammenfassung und Literatur, um komplexe klinische Fragen schnell zu beantworten. Dieses Produkt erledigt einen Großteil der Arbeit, die früher viel Klicken und Suchen und Ausprobieren von Tonnen verschiedener Suchanbieter erforderte. Für einen vielbeschäftigten Arzt funktioniert es hervorragend. Es hat mir Zeit gespart und dazu beigetragen, dass ich die aktuellsten Forschungsergebnisse für meine Entscheidungsfindung verwendet habe. Als ich an einer Universitätsklinik klinische Forschung betrieben habe, wäre dies ein Wendepunkt gewesen, aber auch als Privatarzt ist es großartig, immer auf dem neuesten Stand der Evidenz zu sein."

– Ghaith Ibrahim, MD bei Wellstar Health System.

Zusammenfassung

Unser Team bei InpharmD freut sich darauf, auf den frühen Erfolgen aufzubauen, die wir bei der Bereitstellung von Sherlock mit Hilfe von Amazon Kendra und Amazon Lex gesehen haben. Unser Plan für Sherlock ist es, ihn zu einem intelligenten Assistenten zu entwickeln, der jederzeit und überall verfügbar ist. In Zukunft hoffen wir, Sherlock mit Amazon Alexa zu integrieren, damit Anbieter sofortigen, kontaktlosen Zugriff auf Beweise haben und schnell datengesteuerte klinische Entscheidungen treffen können, die eine optimale Patientenversorgung gewährleisten.

---

Über den Autor

Dr. Janhavi Punyarthi ist ein innovativer Apotheker, der die Markenentwicklung und das Engagement bei InpharmD leitet. Mit einer Leidenschaft für Kreativität verbindet Dr. Punyarthi gerne ihre Liebe zum Schreiben und evidenzbasierte Medizin, um klinische Literatur auf ansprechende Weise zu präsentieren.

Haftungsausschluss: AWS ist nicht verantwortlich für den Inhalt oder die Genauigkeit dieses Beitrags. Die Inhalte und Meinungen in diesem Beitrag sind ausschließlich die des Drittautors. Es liegt in der Verantwortung jedes Kunden, festzustellen, ob er dem HIPAA unterliegt, und wenn ja, wie er HIPAA und seine Durchführungsbestimmungen am besten einhält. Vor der Verwendung von AWS in Verbindung mit geschützten Gesundheitsinformationen müssen Kunden einen AWS Business Associate Addendum (BAA) eingeben und dessen Konfigurationsanforderungen befolgen.

• Coinsmart. Europas beste Bitcoin- und Krypto-Börse.
• Platoblockkette. Web3-Metaverse-Intelligenz. Wissen verstärkt. DEN FREIEN ZUGANG.
• CryptoHawk. Altcoin-Radar. Kostenlose Testphase.
• Quelle: https://aws.amazon.com/blogs/machine-learning/how-inpharmd-uses-amazon-kendra-and-amazon-lex-to-drive-evidence-based-patient-care/