Hvordan InpharmD bruker Amazon Kendra og Amazon Lex for å drive evidensbasert pasientbehandling

Dette er et gjesteinnlegg skrevet av Dr. Janhavi Punyarthi, direktør for merkevareutvikling i InpharmD.

Skjæringspunktet mellom DI og AI: Legemiddelinformasjon (DI) refererer til oppdagelse, bruk og håndtering av helsetjenester og medisinsk informasjon. Helsepersonell har mange utfordringer knyttet til oppdagelse av legemiddelinformasjon, for eksempel intensiv tids involvering, mangel på tilgjengelighet og nøyaktighet av pålitelige data. Den gjennomsnittlige kliniske spørringen krever et litteratursøk som tar i gjennomsnitt 18.5 timer. I tillegg ligger narkotikainformasjon ofte i ulike informasjonssiloer, bak betalingsmurer og designvegger, og blir fort foreldet.

InpharmD er et mobilbasert, akademisk nettverk av legemiddelinformasjonssentre som kombinerer kraften til kunstig intelligens og farmasiintelligens for å gi kuraterte, evidensbaserte svar på kliniske henvendelser. Målet ved InpharmD er å levere nøyaktig legemiddelinformasjon effektivt, slik at helsepersonell kan ta informerte beslutninger raskt og gi optimal pasientbehandling.

For å nå dette målet bygde InpharmD Sherlock, en prototyperobot som leser og tyder medisinsk litteratur. Sherlock er basert på AI-tjenester inkludert Amazon Kendra, en intelligent søketjeneste, og Amazon Lex, en fullstendig administrert AI-tjeneste for å bygge samtalegrensesnitt inn i enhver applikasjon. Med Sherlock kan helsepersonell hente verdifull klinisk bevis, som lar dem ta datadrevne beslutninger og bruke mer tid med pasienter. Sherlock har tilgang til over 5,000 av InpharmDs sammendrag og 1,300 legemiddelmonografier fra American Society of Health System Pharmacists (ASHP). Denne databanken utvides hver dag etter hvert som flere sammendrag og monografier lastes opp og redigeres. Sherlock filtrerer etter relevans og nyhet for raskt å søke gjennom tusenvis av PDF-er, studier, sammendrag og andre dokumenter, og gir svar med 94 % nøyaktighet sammenlignet med mennesker.

Følgende er en foreløpig tekstlig likhetsscore og manuell evaluering mellom et maskingenerert sammendrag og menneskelig sammendrag.

InpharmD og AWS

AWS fungerer som en akselerator for InpharmD. AWS SDK-er reduserer utviklingstiden betydelig ved å tilby felles funksjonalitet som lar InpharmD fokusere på å levere kvalitetsresultater. AWS-tjenester som Amazon Kendra og Amazon Lex lar InpharmD bekymre seg mindre om skalering, systemvedlikehold og stabilitet.

Følgende diagram illustrerer arkitekturen til AWS-tjenester for Sherlock:

InpharmD ville ikke vært i stand til å bygge Sherlock uten hjelp fra AWS. I kjernen bruker InpharmD Amazon Kendra som grunnlaget for sine maskinlæringsinitiativer (ML) for å indeksere InpharmDs dokumentbibliotek og gi smarte svar ved hjelp av naturlig språkbehandling. Dette er overlegent tradisjonelle fuzzy søk-baserte algoritmer, og resultatet er bedre svar på brukerspørsmål.

InpharmD brukte deretter Amazon Lex for å lage Sherlock, en chatbot-tjeneste som leverer Amazon Kendras ML-drevne søkeresultater gjennom et brukervennlig samtalegrensesnitt. Sherlock bruker de naturlige språkforståelsesmulighetene til Amazon Lex for å oppdage hensikten og bedre forstå konteksten til spørsmålene for å finne de beste svarene. Dette gir mulighet for mer naturlige samtaler om medisinsk litteraturhenvendelser og svar.

I tillegg lagrer InpharmD innholdet av legemiddelinformasjon i skyen via S3-bøtter. AWS Lambda lar InpharmD skalere serverlogikk og samhandle med ulike AWS-tjenester med letthet. Det er nøkkelen til å koble Amazon Kendra til andre tjenester som Amazon Lex.

"AWS har vært avgjørende for å akselerere utviklingen av Sherlock. Vi trenger ikke å bekymre oss så mye om skalering, systemvedlikehold og stabilitet fordi AWS tar seg av det for oss. Med Amazon Kendra og Amazon Lex er vi i stand til å bygge den beste versjonen av Sherlock og redusere utviklingstiden vår med måneder. På toppen av det kan vi også redusere tiden for hvert litteratursøk med 16 %."

– Tulasee Chintha, Chief Technological Officer og medgründer av InpharmD.

Påvirkning

InpharmD, som er pålitelig av et nettverk av over 10,000 16 leverandører og åtte helsesystemer, hjelper med å veilede evidensbasert informasjon som akselererer beslutningstaking og sparer tid for klinikere. Ved hjelp av InpharmD-tjenester reduseres tiden for hvert litteratursøk med 3 %, og sparer ca. 12 timer per søk. InpharmD gir også et omfattende resultat, med omtrent XNUMX tidsskriftsartikler sammendrag for hvert litteratursøk. Med implementeringen av Sherlock håper InpharmD å gjøre litteratursøkeprosessen enda mer effektiv, og oppsummere flere studier på kortere tid.

Sherlock-prototypen blir for øyeblikket betatestet og delt med leverandører for å få tilbakemeldinger fra brukerne.

"Tilgang til InpharmD-plattformen er veldig tilpassbar. Jeg var glad for at InpharmD-teamet jobbet med meg for å møte mine spesifikke behov og behovene til institusjonen min. Jeg spurte Sherlock om sikkerheten til et medikament, og produktet ga meg et sammendrag og litteratur for å svare på komplekse kliniske spørsmål raskt. Dette produktet gjør mye av arbeidet som tidligere innebar mye klikking og søking og forsøk på mange forskjellige søkeleverandører. For en travel lege fungerer det utmerket. Det sparte meg tid og bidro til å sikre at jeg brukte den mest oppdaterte forskningen for å ta beslutninger. Dette ville ha vært en game changer da jeg var på et akademisk sykehus og gjorde klinisk forskning, men selv som privat lege er det flott å sikre at du alltid er oppdatert med gjeldende bevis."

– Ghaith Ibrahim, MD ved Wellstar Health System.

konklusjonen

Teamet vårt hos InpharmD er glade for å bygge videre på den tidlige suksessen vi har sett fra å distribuere Sherlock ved hjelp av Amazon Kendra og Amazon Lex. Planen vår for Sherlock er å utvikle den til en intelligent assistent som er tilgjengelig når som helst, hvor som helst. I fremtiden håper vi å integrere Sherlock med Amazon Alexa slik at leverandører kan få umiddelbar, kontaktløs tilgang til bevis, slik at de kan ta raske datadrevne kliniske beslutninger som sikrer optimal pasientbehandling.

---

om forfatteren

Dr. Janhavi Punyarthi er en innovativ farmasøyt som leder merkevareutvikling og engasjement hos InpharmD. Med en lidenskap for kreativitet liker Dr. Punyarthi å kombinere sin kjærlighet for skriving og evidensbasert medisin for å presentere klinisk litteratur på engasjerende måter.

Ansvarsfraskrivelse: AWS er ​​ikke ansvarlig for innholdet eller nøyaktigheten til dette innlegget. Innholdet og meningene i dette innlegget er utelukkende fra tredjepartsforfatteren. Det er hver enkelt kundes ansvar å avgjøre om de er underlagt HIPAA, og i så fall hvordan de best overholder HIPAA og dets gjennomføringsbestemmelser. Før du bruker AWS i forbindelse med beskyttet helseinformasjon, må kundene legge inn et AWS Business Associate Addendum (BAA) og følge konfigurasjonskravene.

• Myntsmart. Europas beste Bitcoin og Crypto Exchange.
• Platoblokkkjede. Web3 Metaverse Intelligence. Kunnskap forsterket. FRI TILGANG.
• CryptoHawk. Altcoin Radar. Gratis prøveperiode.
• Kilde: https://aws.amazon.com/blogs/machine-learning/how-inpharmd-uses-amazon-kendra-and-amazon-lex-to-drive-evidence-based-patient-care/