چگونه InpharmD از آمازون کندرا و آمازون لکس برای هدایت مراقبت از بیمار مبتنی بر شواهد به هوش داده PlatoBlockchain استفاده می کند. جستجوی عمودی Ai.

چگونه InpharmD از Amazon Kendra و Amazon Lex برای هدایت مراقبت از بیمار مبتنی بر شواهد استفاده می کند

این یک پست مهمان است که توسط دکتر جانهاوی پونیارتی، مدیر توسعه برند در InpharmD.

چگونه InpharmD از آمازون کندرا و آمازون لکس برای هدایت مراقبت از بیمار مبتنی بر شواهد به هوش داده PlatoBlockchain استفاده می کند. جستجوی عمودی Ai.

تقاطع DI و AI: اطلاعات دارویی (DI) به کشف، استفاده و مدیریت اطلاعات بهداشتی و پزشکی اشاره دارد. ارائه دهندگان مراقبت های بهداشتی با چالش های زیادی در ارتباط با کشف اطلاعات دارویی مانند درگیری زمان فشرده، عدم دسترسی و دقت داده های قابل اعتماد مواجه هستند. متوسط ​​پرس و جو بالینی نیاز به جستجوی ادبیات دارد که به طور متوسط ​​18.5 ساعت طول می کشد. علاوه بر این، اطلاعات دارویی اغلب در سیلوهای اطلاعاتی متفاوت، پشت دیوارهای پرداخت و دیوارهای طراحی قرار دارد و به سرعت کهنه می شود.

InpharmD یک شبکه دانشگاهی و مبتنی بر موبایل از مراکز اطلاعات دارویی است که قدرت هوش مصنوعی و هوش داروسازی را برای ارائه پاسخ‌های نظارتی و مبتنی بر شواهد به سوالات بالینی ترکیب می‌کند. هدف InpharmD ارائه اطلاعات دقیق دارویی به طور موثر است، بنابراین ارائه دهندگان مراقبت های بهداشتی می توانند تصمیمات آگاهانه را به سرعت اتخاذ کنند و مراقبت بهینه از بیمار را ارائه دهند.

برای رسیدن به این هدف، InpharmD، Sherlock، یک ربات اولیه را ساخت که متون پزشکی را می خواند و رمزگشایی می کند. شرلوک مبتنی بر خدمات هوش مصنوعی از جمله آمازون کندرا، یک سرویس جستجوی هوشمند و آمازون لکس، یک سرویس هوش مصنوعی کاملاً مدیریت شده برای ایجاد رابط های مکالمه در هر برنامه ای. با شرلوک، ارائه دهندگان مراقبت های بهداشتی می توانند شواهد بالینی ارزشمندی را بازیابی کنند، که به آنها امکان می دهد تصمیمات مبتنی بر داده ها را بگیرند و زمان بیشتری را با بیماران بگذرانند. شرلوک به بیش از 5,000 چکیده InpharmD و 1,300 مونوگراف دارویی از انجمن داروسازان سیستم سلامت آمریکا (ASHP) دسترسی دارد. این بانک داده هر روز با آپلود و ویرایش چکیده ها و تک نگاری های بیشتری گسترش می یابد. شرلوک ارتباط و تازگی را فیلتر می کند تا به سرعت در میان هزاران فایل پی دی اف، مطالعه، چکیده و اسناد دیگر جستجو کند و در مقایسه با انسان، پاسخ هایی را با دقت 94 درصد ارائه دهد.

در زیر یک امتیاز شباهت متنی مقدماتی و ارزیابی دستی بین خلاصه تولید شده توسط ماشین و خلاصه انسانی ارائه شده است.

چگونه InpharmD از آمازون کندرا و آمازون لکس برای هدایت مراقبت از بیمار مبتنی بر شواهد به هوش داده PlatoBlockchain استفاده می کند. جستجوی عمودی Ai.

InpharmD و AWS

AWS به عنوان یک شتاب دهنده برای InpharmD عمل می کند. AWS SDK با ارائه قابلیت‌های رایج که به InpharmD اجازه می‌دهد بر ارائه نتایج با کیفیت تمرکز کند، زمان توسعه را به طور قابل توجهی کاهش می‌دهند. سرویس‌های AWS مانند Amazon Kendra و Amazon Lex به InpharmD اجازه می‌دهند کمتر نگران مقیاس‌بندی، نگهداری سیستم و پایداری باشد.

نمودار زیر معماری سرویس های AWS برای شرلوک را نشان می دهد:

چگونه InpharmD از آمازون کندرا و آمازون لکس برای هدایت مراقبت از بیمار مبتنی بر شواهد به هوش داده PlatoBlockchain استفاده می کند. جستجوی عمودی Ai.

InpharmD بدون کمک AWS قادر به ساخت شرلوک نبود. در هسته، InpharmD از Amazon Kendra به عنوان پایه و اساس ابتکارات یادگیری ماشینی (ML) خود برای نمایه سازی کتابخانه اسناد InpharmD و ارائه پاسخ های هوشمند با استفاده از پردازش زبان طبیعی استفاده می کند. این نسبت به الگوریتم‌های مبتنی بر جستجوی فازی سنتی برتر است و نتیجه، پاسخ‌های بهتری برای سؤالات کاربر است.

سپس InpharmD از آمازون لکس برای ایجاد Sherlock استفاده کرد، یک سرویس چت بات که نتایج جستجوی آمازون کندرا را از طریق یک رابط مکالمه با استفاده آسان ارائه می دهد. شرلوک از قابلیت‌های درک زبان طبیعی آمازون لکس برای تشخیص هدف و درک بهتر متن سؤال‌ها برای یافتن بهترین پاسخ‌ها استفاده می‌کند. این اجازه می دهد تا مکالمات طبیعی تری در مورد پرسش ها و پاسخ های ادبیات پزشکی انجام شود.

علاوه بر این، InpharmD محتوای اطلاعات دارویی را در فضای ابری از طریق سطل های S3 ذخیره می کند. AWS Lambda به InpharmD اجازه می دهد تا منطق سرور را مقیاس بندی کند و با سرویس های مختلف AWS به راحتی تعامل کند. این کلید در اتصال آمازون کندرا به سایر خدمات مانند آمازون لکس است.

"AWS در تسریع توسعه شرلوک ضروری بوده است. ما لازم نیست در مورد مقیاس بندی، نگهداری سیستم و پایداری نگران باشیم زیرا AWS از آن برای ما مراقبت می کند. با آمازون کندرا و آمازون لکس، می‌توانیم بهترین نسخه شرلوک را بسازیم و زمان توسعه خود را ماه‌ها کاهش دهیم. علاوه بر این، ما همچنین می‌توانیم زمان هر جستجوی ادبیات را تا 16% کاهش دهیم."

- تولاسی چینتا، مدیر ارشد فناوری و یکی از بنیانگذاران InpharmD.

تأثیر

InpharmD که توسط شبکه ای متشکل از بیش از 10,000 ارائه دهنده و هشت سیستم بهداشتی مورد اعتماد است، به راهنمایی اطلاعات مبتنی بر شواهد کمک می کند که تصمیم گیری را تسریع می کند و در زمان برای پزشکان صرفه جویی می کند. با کمک خدمات InpharmD، زمان برای هر جستجوی ادبیات 16٪ کاهش می یابد، تقریباً 3 ساعت در هر جستجو صرفه جویی می شود. InpharmD همچنین یک نتیجه جامع با تقریباً 12 خلاصه مقاله مجلات برای هر جستجوی ادبیات ارائه می دهد. با اجرای Sherlock، InpharmD امیدوار است که فرآیند جستجوی ادبیات را حتی کارآمدتر کند و مطالعات بیشتری را در زمان کمتری خلاصه کند.

نمونه اولیه شرلوک در حال حاضر در حال آزمایش بتا است و برای دریافت بازخورد کاربران با ارائه دهندگان به اشتراک گذاشته می شود.

"دسترسی به پلتفرم InpharmD بسیار قابل تنظیم است. خوشحالم که تیم InpharmD برای رفع نیازهای خاص من و موسسه ام با من کار کرد. از شرلوک در مورد بی خطر بودن یک دارو پرسیدم و محصول خلاصه و ادبیاتی به من داد تا به سوالات پیچیده بالینی سریع پاسخ دهم. این محصول کارهای زیادی را انجام می دهد که قبلاً شامل کلیک و جستجو و تلاش برای فروشندگان مختلف جستجو می شد. برای یک پزشک پرمشغله، عالی است. در وقت من صرفه جویی کرد و به من کمک کرد تا مطمئن شوم که از به روزترین تحقیقات برای تصمیم گیری استفاده می کنم. وقتی من در یک بیمارستان دانشگاهی بودم و در حال انجام تحقیقات بالینی بودم، این یک تغییر بازی بود، اما حتی به عنوان یک پزشک خصوصی، اطمینان از اینکه همیشه با شواهد فعلی به‌روز هستید، عالی است."

– غیث ابراهیم، ​​MD در سیستم سلامت Wellstar.

نتیجه

تیم ما در InpharmD مشتاق است که بر روی موفقیت اولیه ای که از استقرار شرلوک با کمک آمازون کندرا و آمازون لکس شاهد بودیم، بسازد. برنامه ما برای شرلوک این است که آن را به یک دستیار هوشمند تبدیل کنیم که در هر زمان و هر مکان در دسترس باشد. در آینده، ما امیدواریم که شرلوک را با آمازون الکسا ادغام کنیم تا ارائه دهندگان بتوانند دسترسی فوری و بدون تماس به شواهد داشته باشند و به آنها اجازه دهد تصمیمات بالینی سریع مبتنی بر داده اتخاذ کنند که مراقبت مطلوب از بیمار را تضمین می کند.


درباره نویسنده

دکتر جانهوی پونیارتی یک داروساز مبتکر است که پیشتاز توسعه و مشارکت برند در InpharmD است. دکتر پونیارتی با اشتیاق به خلاقیت، از ترکیب عشق خود به نوشتن و پزشکی مبتنی بر شواهد برای ارائه ادبیات بالینی به روش‌های جذاب لذت می‌برد.

سلب مسئولیت: AWS مسئولیتی در قبال محتوا یا صحت این پست ندارد. مطالب و نظرات این پست صرفاً متعلق به نویسنده شخص ثالث است. این مسئولیت هر یک از مشتریان است که تعیین کنند آیا آنها مشمول HIPAA هستند یا خیر، و اگر چنین است، بهترین روش مطابقت با HIPAA و مقررات اجرایی آن است. قبل از استفاده از AWS در ارتباط با اطلاعات بهداشتی محافظت شده، مشتریان باید یک ضمیمه AWS Business Associate (BAA) را وارد کرده و الزامات پیکربندی آن را دنبال کنند.

تمبر زمان:

بیشتر از آموزش ماشین AWS