Bagaimana InpharmD menggunakan Amazon Kendra dan Amazon Lex untuk mendorong perawatan pasien berbasis bukti

Ini adalah posting tamu yang ditulis oleh Dr. Janhavi Punyarthi, Direktur Pengembangan Merek di InpharmD.

Persimpangan DI dan AI: Informasi obat (DI) mengacu pada penemuan, penggunaan, dan pengelolaan informasi kesehatan dan medis. Penyedia layanan kesehatan memiliki banyak tantangan terkait dengan penemuan informasi obat, seperti keterlibatan waktu yang intensif, kurangnya aksesibilitas, dan keakuratan data yang dapat diandalkan. Permintaan klinis rata-rata membutuhkan pencarian literatur yang memakan waktu rata-rata 18.5 jam. Selain itu, informasi obat sering terletak pada silo informasi yang berbeda, di balik dinding gaji dan dinding desain, dan dengan cepat menjadi basi.

InpharmD adalah jaringan akademik pusat informasi obat berbasis seluler yang menggabungkan kekuatan kecerdasan buatan dan kecerdasan farmasi untuk memberikan tanggapan berbasis bukti yang dikuratori untuk pertanyaan klinis. Tujuan di InpharmD adalah untuk memberikan informasi obat yang akurat secara efisien, sehingga penyedia layanan kesehatan dapat membuat keputusan yang tepat dengan cepat dan memberikan perawatan pasien yang optimal.

Untuk memenuhi tujuan ini, InpharmD membangun Sherlock, bot prototipe yang membaca dan menguraikan literatur medis. Sherlock didasarkan pada layanan AI termasuk AmazonKendra, layanan pencarian cerdas, dan AmazonLex, layanan AI yang terkelola sepenuhnya untuk membangun antarmuka percakapan ke dalam aplikasi apa pun. Dengan Sherlock, penyedia layanan kesehatan dapat mengambil bukti klinis yang berharga, yang memungkinkan mereka membuat keputusan berdasarkan data dan menghabiskan lebih banyak waktu dengan pasien. Sherlock memiliki akses ke lebih dari 5,000 abstrak InpharmD dan 1,300 monografi obat dari American Society of Health System Pharmacists (ASHP). Bank data ini berkembang setiap hari karena semakin banyak abstrak dan monografi yang diunggah dan diedit. Filter Sherlock untuk relevansi dan keterkinian dengan cepat menelusuri ribuan PDF, studi, abstrak, dan dokumen lainnya, dan memberikan respons dengan akurasi 94% jika dibandingkan dengan manusia.

Berikut ini adalah skor kesamaan tekstual awal dan evaluasi manual antara ringkasan yang dihasilkan mesin dan ringkasan manusia.

InpharmD dan AWS

AWS berfungsi sebagai akselerator untuk InpharmD. AWS SDK secara signifikan mengurangi waktu pengembangan dengan menyediakan fungsionalitas umum yang memungkinkan InpharmD untuk fokus dalam memberikan hasil yang berkualitas. Layanan AWS seperti Amazon Kendra dan Amazon Lex memungkinkan InpharmD tidak terlalu khawatir tentang penskalaan, pemeliharaan sistem, dan stabilitas.

Diagram berikut mengilustrasikan arsitektur layanan AWS untuk Sherlock:

InpharmD tidak akan mampu membangun Sherlock tanpa bantuan AWS. Pada intinya, InpharmD menggunakan Amazon Kendra sebagai dasar inisiatif pembelajaran mesin (ML) untuk mengindeks pustaka dokumen InpharmD dan memberikan jawaban cerdas menggunakan pemrosesan bahasa alami. Ini lebih unggul daripada algoritma berbasis pencarian fuzzy tradisional, dan hasilnya adalah jawaban yang lebih baik untuk pertanyaan pengguna.

InpharmD kemudian menggunakan Amazon Lex untuk membuat Sherlock, layanan chatbot yang memberikan hasil pencarian yang didukung ML Amazon Kendra melalui antarmuka percakapan yang mudah digunakan. Sherlock menggunakan kemampuan pemahaman bahasa alami dari Amazon Lex untuk mendeteksi maksud dan lebih memahami konteks pertanyaan untuk menemukan jawaban terbaik. Ini memungkinkan percakapan yang lebih alami mengenai pertanyaan dan tanggapan literatur medis.

Selain itu, InpharmD menyimpan konten informasi obat di cloud melalui bucket S3. AWS Lambda memungkinkan InpharmD untuk menskalakan logika server dan berinteraksi dengan berbagai layanan AWS dengan mudah. Ini adalah kunci dalam menghubungkan Amazon Kendra ke layanan lain seperti Amazon Lex.

"AWS sangat penting dalam mempercepat pengembangan Sherlock. Kami tidak perlu terlalu khawatir tentang penskalaan, pemeliharaan sistem, dan stabilitas karena AWS menanganinya untuk kami. Dengan Amazon Kendra dan Amazon Lex, kami dapat membuat versi terbaik dari Sherlock dan mengurangi waktu pengembangan kami selama berbulan-bulan. Selain itu, kami juga dapat mengurangi waktu untuk setiap pencarian literatur sebesar 16%."

– Tulasee Chintha, Chief Technology Officer dan salah satu pendiri InpharmD.

Dampak

Dipercaya oleh jaringan lebih dari 10,000 penyedia dan delapan sistem kesehatan, InpharmD membantu memandu informasi berbasis bukti yang mempercepat pengambilan keputusan dan menghemat waktu bagi dokter. Dengan bantuan layanan InpharmD, waktu untuk setiap pencarian literatur berkurang 16%, menghemat sekitar 3 jam per pencarian. InpharmD juga memberikan hasil yang komprehensif, dengan sekitar 12 ringkasan artikel jurnal untuk setiap pencarian literatur. Dengan penerapan Sherlock, InpharmD berharap dapat membuat proses pencarian literatur menjadi lebih efisien, meringkas lebih banyak studi dalam waktu yang lebih singkat.

Prototipe Sherlock saat ini sedang diuji beta dan dibagikan dengan penyedia untuk mendapatkan umpan balik pengguna.

"Akses ke platform InpharmD sangat dapat disesuaikan. Saya senang bahwa tim InpharmD bekerja dengan saya untuk memenuhi kebutuhan khusus saya dan kebutuhan institusi saya. Saya bertanya kepada Sherlock tentang keamanan obat dan produk memberi saya ringkasan dan literatur untuk menjawab pertanyaan klinis yang kompleks dengan cepat. Produk ini melakukan banyak pekerjaan yang sebelumnya melibatkan banyak klik dan pencarian dan mencoba banyak vendor pencarian yang berbeda. Untuk seorang dokter yang sibuk, itu bekerja dengan baik. Ini menghemat waktu saya dan membantu memastikan saya menggunakan penelitian paling mutakhir untuk pengambilan keputusan saya. Ini akan menjadi pengubah permainan ketika saya berada di rumah sakit akademis yang melakukan penelitian klinis, tetapi bahkan sebagai dokter swasta, sangat bagus untuk memastikan Anda selalu up to date dengan bukti terkini."

– Ghaith Ibrahim, MD di Wellstar Health System.

Kesimpulan

Tim kami di InpharmD bersemangat untuk membangun kesuksesan awal yang telah kami lihat dari penerapan Sherlock dengan bantuan Amazon Kendra dan Amazon Lex. Rencana kami untuk Sherlock adalah mengembangkannya menjadi asisten cerdas yang tersedia kapan saja, di mana saja. Di masa mendatang, kami berharap dapat mengintegrasikan Sherlock dengan Amazon Alexa sehingga penyedia dapat memiliki akses langsung tanpa kontak ke bukti, yang memungkinkan mereka membuat keputusan klinis cepat berbasis data yang memastikan perawatan pasien yang optimal.

---

tentang Penulis

Dr.Janhavi Punyarthi adalah apoteker inovatif yang memimpin pengembangan dan keterlibatan merek di InpharmD. Dengan hasrat untuk kreativitas, Dr. Punyarthi senang menggabungkan kecintaannya pada menulis dan kedokteran berbasis bukti untuk menyajikan literatur klinis dengan cara yang menarik.

Penolakan tanggung jawab: AWS tidak bertanggung jawab atas konten atau keakuratan postingan ini. Konten dan opini dalam postingan ini adalah sepenuhnya milik penulis pihak ketiga. Setiap pelanggan bertanggung jawab untuk menentukan apakah mereka tunduk pada HIPAA, dan jika demikian, cara terbaik untuk mematuhi HIPAA dan peraturan pelaksanaannya. Sebelum menggunakan AWS sehubungan dengan informasi kesehatan yang dilindungi, pelanggan harus memasukkan AWS Business Associate Addendum (BAA) dan mengikuti persyaratan konfigurasinya.

• Coinsmart. Pertukaran Bitcoin dan Crypto Terbaik Eropa.
• Platoblockchain. Intelijen Metaverse Web3. Pengetahuan Diperkuat. AKSES GRATIS.
• CryptoHawk. Radar Altcoin. Uji Coba Gratis.
• Sumber: https://aws.amazon.com/blogs/machine-learning/how-inpharmd-uses-amazon-kendra-and-amazon-lex-to-drive-evidence-based-patient-care/