Hogyan használja az InpharmD az Amazon Kendrát és az Amazon Lexet a bizonyítékokon alapuló betegellátás előmozdítására

Ez egy vendégbejegyzés szerzője Dr. Janhavi Punyarthi, az InpharmD márkafejlesztési igazgatója.

A DI és az AI metszéspontja: A gyógyszerinformáció (DI) az egészségügyi és orvosi információk felfedezésére, felhasználására és kezelésére utal. Az egészségügyi szolgáltatóknak számos kihívással kell szembenézniük a gyógyszerinformációk feltárásával kapcsolatban, mint például az intenzív időbevonás, a hozzáférhetőség hiánya és a megbízható adatok pontossága. Az átlagos klinikai lekérdezés irodalomkutatást igényel, amely átlagosan 18.5 órát vesz igénybe. Ezenkívül a gyógyszerekkel kapcsolatos információk gyakran különböző információs silókban, fizetési és tervezési falak mögött találhatók, és gyorsan elavulnak.

Az InpharmD gyógyszerinformációs központok mobil alapú, akadémiai hálózata, amely a mesterséges intelligencia és a gyógyszertári intelligencia erejét ötvözi, hogy összegyűjtött, bizonyítékokon alapuló válaszokat adjon a klinikai kérdésekre. Az InpharmD célja a pontos gyógyszerinformációk hatékony eljuttatása, hogy az egészségügyi szolgáltatók gyorsan megalapozott döntéseket hozzanak, és optimális betegellátást biztosítsanak.

E cél elérése érdekében az InpharmD megépítette a Sherlock-ot, egy prototípus botot, amely orvosi szakirodalmat olvas és megfejt. A Sherlock az AI-szolgáltatásokon alapul, beleértve Amazon Kendra, egy intelligens keresőszolgáltatás, és Amazon Lex, egy teljesen felügyelt mesterséges intelligencia szolgáltatás, amellyel bármilyen alkalmazásba beépíthető párbeszédes felületek. A Sherlock segítségével az egészségügyi szolgáltatók értékes klinikai bizonyítékokhoz juthatnak, amelyek lehetővé teszik számukra, hogy adatvezérelt döntéseket hozzanak, és több időt töltsenek a betegekkel. Sherlock több mint 5,000 InpharmD absztrakthoz és 1,300 gyógyszermonográfiához fér hozzá az American Society of Health System Pharmacists (ASHP) szervezettől. Ez az adatbank napról napra bővül, ahogy egyre több absztrakt és monográfia kerül feltöltésre és szerkesztésre. Sherlock szűrők a relevancia és az újdonság érdekében, így gyorsan kereshet több ezer PDF-fájl, tanulmány, kivonat és egyéb dokumentum között, és 94%-os pontossággal válaszolhat az emberekhez képest.

Az alábbiakban egy előzetes szöveges hasonlósági pontszámot és manuális értékelést mutatunk be a géppel generált összegzés és az emberi összefoglaló között.

InpharmD és AWS

Az AWS az InpharmD gyorsítójaként szolgál. Az AWS SDK-k jelentősen csökkentik a fejlesztési időt azáltal, hogy olyan közös funkciókat biztosítanak, amelyek lehetővé teszik az InpharmD számára, hogy a minőségi eredmények elérésére összpontosítson. Az olyan AWS-szolgáltatások, mint az Amazon Kendra és az Amazon Lex, lehetővé teszik az InpharmD számára, hogy kevésbé aggódjon a méretezés, a rendszerkarbantartás és a stabilitás miatt.

A következő diagram a Sherlock AWS-szolgáltatásainak architektúráját mutatja be:

Az InpharmD nem tudta volna megépíteni a Sherlockot az AWS segítsége nélkül. Az InpharmD lényegében az Amazon Kendra-t használja gépi tanulási (ML) kezdeményezéseinek alapjaként, hogy indexelje az InpharmD dokumentumkönyvtárát, és intelligens válaszokat adjon a természetes nyelvi feldolgozás segítségével. Ez felülmúlja a hagyományos fuzzy keresés alapú algoritmusokat, és az eredmény jobb válaszokat ad a felhasználói kérdésekre.

Az InpharmD ezután az Amazon Lex segítségével létrehozta a Sherlock-ot, egy chatbot-szolgáltatást, amely az Amazon Kendra ML-alapú keresési eredményeit egy könnyen használható párbeszédes felületen keresztül jeleníti meg. A Sherlock az Amazon Lex természetes nyelvértési képességeit használja a szándékok észlelésére és a kérdések kontextusának jobb megértésére, hogy megtalálja a legjobb válaszokat. Ez természetesebb beszélgetéseket tesz lehetővé az orvosi szakirodalom kérdéseivel és válaszaival kapcsolatban.

Ezenkívül az InpharmD a gyógyszerinformációs tartalmat a felhőben tárolja az S3 tárolókon keresztül. Az AWS Lambda lehetővé teszi az InpharmD számára, hogy méretezze a szerverlogikát, és könnyedén kommunikáljon a különféle AWS-szolgáltatásokkal. Kulcsfontosságú az Amazon Kendra más szolgáltatásokkal, például az Amazon Lex-szel való összekapcsolásában.

"Az AWS elengedhetetlen volt a Sherlock fejlesztésének felgyorsításában. Nem kell annyira aggódnunk a méretezés, a rendszerkarbantartás és a stabilitás miatt, mert az AWS gondoskodik erről helyettünk. Az Amazon Kendra és az Amazon Lex segítségével meg tudjuk építeni a Sherlock legjobb verzióját, és hónapokkal csökkentjük a fejlesztési időt. Ezen felül 16%-kal csökkenthetjük az egyes irodalomkeresések idejét."

– Tulasee Chintha, technológiai igazgató és az InpharmD társalapítója.

Hatás

A több mint 10,000 16 szolgáltatóból és nyolc egészségügyi rendszerből álló hálózatban megbízott InpharmD segít a bizonyítékokon alapuló információk irányításában, amelyek felgyorsítják a döntéshozatalt és időt takarítanak meg a klinikusok számára. Az InpharmD szolgáltatások segítségével az egyes szakirodalom keresési ideje 3%-kal csökken, így körülbelül 12 órát takarítunk meg keresésenként. Az InpharmD átfogó eredményt is biztosít, körülbelül XNUMX folyóiratcikk összefoglalóval minden egyes irodalmi kereséshez. A Sherlock bevezetésével az InpharmD azt reméli, hogy még hatékonyabbá teheti az irodalomkutatási folyamatot, több tanulmányt rövidebb idő alatt összefoglalva.

A Sherlock prototípus jelenleg béta tesztelés alatt áll, és megosztják a szolgáltatókkal, hogy felhasználói visszajelzéseket kapjanak.

"Az InpharmD platformhoz való hozzáférés nagyon testreszabható. Boldog voltam, hogy az InpharmD csapata velem dolgozott, hogy megfeleljen sajátos igényeimnek és intézményem igényeinek. Megkérdeztem Sherlockot egy gyógyszer biztonságosságáról, és a termék összefoglalót és szakirodalmat adott, hogy gyorsan válaszoljak összetett klinikai kérdésekre. Ez a termék elvégzi a sok munkát, amely korábban rengeteg kattintással, kereséssel és rengeteg különböző keresési szolgáltató kipróbálásával járt. Egy elfoglalt orvos számára ez nagyszerűen működik. Időt takarított meg, és segített abban, hogy a legfrissebb kutatási eredményeket használjam a döntéshozatalhoz. Ez megváltoztatta volna a helyzetet, amikor egy egyetemi kórházban klinikai kutatásokat végeztem, de még magánorvosként is nagyszerű, hogy mindig naprakészen tudjon lenni az aktuális bizonyítékokkal."

– Ghaith Ibrahim, a Wellstar Health System orvosa.

Következtetés

Az InpharmD csapata izgatottan várja a Sherlock Amazon Kendra és Amazon Lex segítségével történő bevezetésének korai sikerét. A Sherlockkal kapcsolatos tervünk az, hogy intelligens asszisztenssé fejlesztjük, amely bármikor és bárhol elérhető. Reméljük, hogy a jövőben integrálni tudjuk a Sherlockot az Amazon Alexával, hogy a szolgáltatók azonnali, érintésmentes hozzáférést kapjanak a bizonyítékokhoz, lehetővé téve számukra, hogy gyors, adatvezérelt klinikai döntéseket hozzanak, amelyek biztosítják az optimális betegellátást.

---

A szerzőről

Dr. Janhavi Punyarthi egy innovatív gyógyszerész, aki az InpharmD márkafejlesztésében és elkötelezettségében vezet. A kreativitás iránti szenvedélyével Dr. Punyarthi élvezi, ha az írás iránti szeretetét és a bizonyítékokon alapuló orvoslást egyesíti, hogy lenyűgöző módon mutassa be a klinikai szakirodalmat.

A felelősség megtagadása: Az AWS nem vállal felelősséget a bejegyzés tartalmáért vagy pontosságáért. A bejegyzés tartalma és véleménye kizárólag a harmadik fél szerzőjétől származik. Minden ügyfél felelőssége annak eldöntése, hogy rájuk vonatkozik-e a HIPAA, és ha igen, hogyan lehet a legjobban megfelelni a HIPAA-nak és annak végrehajtási előírásainak. Mielőtt az AWS-t védett állapotinformációkkal kapcsolatban használnák, az ügyfeleknek meg kell adniuk az AWS Business Associate Addendum-t (BAA), és követniük kell annak konfigurációs követelményeit.

• Coinsmart. Európa legjobb Bitcoin- és kriptográfiai tőzsdéje.
• Platoblockchain. Web3 metaverzum intelligencia. Felerősített tudás. SZABAD HOZZÁFÉRÉS.
• CryptoHawk. Altcoin radar. Ingyenes próbaverzió.
• Forrás: https://aws.amazon.com/blogs/machine-learning/how-inpharmd-uses-amazon-kendra-and-amazon-lex-to-drive-evidence-based-patient-care/