InpharmD가 Amazon Kendra 및 Amazon Lex를 사용하여 증거 기반 환자 치료를 추진하는 방법

님이 작성한 게스트 게시물입니다. Dr. Janhavi Punyarthi, InpharmD의 브랜드 개발 이사.

DI와 AI의 교차점: 의약품 정보(DI)는 의료 및 의료 정보의 발견, 사용 및 관리를 의미합니다. 의료 제공자는 집중적인 시간 참여, 접근성 부족, 신뢰할 수 있는 데이터의 정확성과 같은 약물 정보 발견과 관련된 많은 문제를 안고 있습니다. 평균적인 임상 쿼리에는 평균 18.5시간이 소요되는 문헌 검색이 필요합니다. 또한, 약물 정보는 종종 급여 장벽과 설계 장벽 뒤에 있는 이질적인 정보 사일로에 있으며 빠르게 진부해집니다.

InpharmD는 인공 지능과 약국 지능을 결합하여 임상 문의에 대한 선별된 증거 기반 응답을 제공하는 모바일 기반의 약물 정보 센터 학술 네트워크입니다. InpharmD의 목표는 정확한 약물 정보를 효율적으로 전달하여 의료 제공자가 정보에 입각한 결정을 신속하게 내리고 최적의 환자 치료를 제공할 수 있도록 하는 것입니다.

이 목표를 달성하기 위해 InpharmD는 의학 문헌을 읽고 해독하는 프로토타입 봇인 Sherlock을 구축했습니다. 셜록은 다음을 포함한 AI 서비스를 기반으로 합니다. 아마존 켄드라, 지능형 검색 서비스 및 아마존 렉스, 모든 애플리케이션에 대화형 인터페이스를 구축하기 위한 완전 관리형 AI 서비스입니다. Sherlock을 통해 의료 제공자는 귀중한 임상 증거를 검색할 수 있으므로 데이터 기반 결정을 내리고 환자와 더 많은 시간을 보낼 수 있습니다. Sherlock은 5,000개 이상의 InpharmD 초록과 1,300개 이상의 미국 건강 시스템 약사 협회(American Society of Health System Pharmacists)의 약물 모노그래프에 액세스할 수 있습니다. 이 데이터 뱅크는 더 많은 초록과 모노그래프가 업로드되고 편집됨에 따라 매일 확장됩니다. Sherlock은 관련성 및 최신성을 필터링하여 수천 개의 PDF, 연구, 초록 및 기타 문서를 빠르게 검색하고 사람과 비교할 때 94% 정확도로 응답을 제공합니다.

다음은 기계 생성 요약과 인간 요약 간의 예비 텍스트 유사성 점수 및 수동 평가입니다.

InpharmD와 AWS

AWS는 InpharmD의 액셀러레이터 역할을 합니다. AWS SDK는 InpharmD가 양질의 결과 제공에 집중할 수 있도록 하는 공통 기능을 제공하여 개발 시간을 크게 단축합니다. Amazon Kendra 및 Amazon Lex와 같은 AWS 서비스를 통해 InpharmD는 확장, 시스템 유지 관리 및 안정성에 대해 덜 걱정할 수 있습니다.

다음 다이어그램은 Sherlock용 AWS 서비스 아키텍처를 보여줍니다.

InpharmD는 AWS의 도움 없이 Sherlock을 구축할 수 없었을 것입니다. InpharmD는 핵심적으로 Amazon Kendra를 기계 학습(ML) 이니셔티브의 기반으로 사용하여 InpharmD의 문서 라이브러리를 인덱싱하고 자연어 처리를 사용하여 스마트한 답변을 제공합니다. 이는 기존의 퍼지 검색 기반 알고리즘보다 우수하며 그 결과 사용자 질문에 대한 더 나은 답변이 제공됩니다.

그런 다음 InpharmD는 Amazon Lex를 사용하여 사용하기 쉬운 대화형 인터페이스를 통해 Amazon Kendra의 ML 기반 검색 결과를 제공하는 챗봇 서비스인 Sherlock을 만들었습니다. Sherlock은 Amazon Lex의 자연어 이해 기능을 사용하여 의도를 감지하고 질문의 컨텍스트를 더 잘 이해하여 최상의 답변을 찾습니다. 이를 통해 의학 문헌 문의 및 답변에 대한 보다 자연스러운 대화가 가능합니다.

또한 InpharmD는 S3 버킷을 통해 클라우드에 약물 정보 콘텐츠를 저장합니다. AWS Lambda를 사용하면 InpharmD가 서버 로직을 확장하고 다양한 AWS 서비스와 쉽게 상호 작용할 수 있습니다. Amazon Kendra를 Amazon Lex와 같은 다른 서비스에 연결하는 데 중요합니다.

"AWS는 Sherlock 개발을 가속화하는 데 필수적이었습니다. AWS에서 알아서 처리해 주기 때문에 확장, 시스템 유지 관리 및 안정성에 대해 크게 걱정할 필요가 없습니다. Amazon Kendra와 Amazon Lex를 사용하여 최고의 Sherlock 버전을 구축하고 개발 시간을 몇 개월 단축할 수 있습니다. 또한 각 문헌 검색 시간을 16%까지 줄일 수 있습니다."

– Tulasee Chintha, 최고 기술 책임자이자 InpharmD의 공동 설립자.

영향

10,000개 이상의 제공자와 16개 의료 시스템의 네트워크가 신뢰하는 InpharmD는 의사 결정을 가속화하고 임상의의 시간을 절약하는 증거 기반 정보를 안내합니다. InpharmD 서비스의 도움으로 각 문헌 검색 시간이 3% 감소하여 검색당 약 12시간이 절약되었습니다. InpharmD는 또한 각 문헌 검색에 대해 약 XNUMX개의 저널 기사 요약과 함께 포괄적인 결과를 제공합니다. Sherlock의 구현으로 InpharmD는 문헌 검색 프로세스를 훨씬 더 효율적으로 만들고 더 짧은 시간에 더 많은 연구를 요약하기를 희망합니다.

Sherlock 프로토타입은 현재 베타 테스트 중이며 사용자 피드백을 얻기 위해 공급자와 공유됩니다.

"InpharmD 플랫폼에 대한 액세스는 사용자 정의가 가능합니다.. InpharmD 팀이 나와 함께 일하여 내 특정 요구 사항과 기관의 요구 사항을 충족하게 되어 기뻤습니다. 나는 Sherlock에게 약물의 안전성에 대해 물었고 제품은 복잡한 임상 질문에 빠르게 답할 수 있는 요약과 문헌을 제공했습니다. 이 제품은 이전에 수많은 검색 공급업체를 클릭하고 검색하고 시도하는 많은 작업을 수행합니다. 바쁜 의사에게는 효과가 좋습니다. 시간을 절약하고 의사 결정에 가장 최신의 연구 자료를 사용하고 있는지 확인하는 데 도움이 되었습니다. 내가 대학 병원에서 임상 연구를 하고 있을 때 이것은 판도를 바꿀 수 있었을 것입니다. 하지만 개인 의사로서도 항상 최신 증거를 확인할 수 있어 좋습니다."

– Ghaith Ibrahim, Wellstar Health System의 MD.

결론

InpharmD의 우리 팀은 Amazon Kendra 및 Amazon Lex의 도움으로 Sherlock을 배포한 초기 성공을 기반으로 구축하게 된 것을 기쁘게 생각합니다. 셜록에 대한 우리의 계획은 언제 어디서나 사용할 수 있는 지능형 비서로 진화하는 것입니다. 앞으로 우리는 Sherlock을 Amazon Alexa와 통합하여 제공자가 증거에 즉각적이고 비접촉 방식으로 액세스하여 최적의 환자 치료를 보장하는 빠른 데이터 기반 임상 결정을 내릴 수 있기를 희망합니다.

저자에 관하여

잔하비 푸냐티 박사 InpharmD에서 브랜드 개발 및 참여를 주도하는 혁신적인 약사입니다. 창의성에 대한 열정으로 Punyarthi 박사는 글쓰기에 대한 그녀의 사랑과 증거 기반 의학을 결합하여 매력적인 방식으로 임상 문헌을 제시하는 것을 즐깁니다.

책임 부인: AWS는 이 게시물의 내용이나 정확성에 대해 책임을 지지 않습니다. 이 게시물의 내용과 의견은 전적으로 제XNUMX자 작성자의 것입니다. HIPAA가 적용되는지 여부와 적용되는 경우 HIPAA 및 해당 구현 규정을 준수하는 최선의 방법을 결정하는 것은 각 고객의 책임입니다. 고객은 보호 대상 건강 정보와 관련하여 AWS를 사용하기 전에 AWS BAA(Business Associate Addendum)를 입력하고 해당 구성 요구 사항을 따라야 합니다.

• 코인스마트. 유럽 ​​최고의 비트코인 ​​및 암호화폐 거래소.
• 플라토 블록체인. Web3 메타버스 인텔리전스. 지식 증폭. 무료 액세스.
• 크립토호크. 알트코인 레이더. 무료 시험판.
• 출처: https://aws.amazon.com/blogs/machine-learning/how-inpharmd-uses-amazon-kendra-and-amazon-lex-to-drive-evidence-based-patient-care/