Hur InpharmD använder Amazon Kendra och Amazon Lex för att driva evidensbaserad patientvård

Återutgiven av Platon

anhängare: 0

Detta är ett gästinlägg författat av Dr. Janhavi Punyarthi, chef för varumärkesutveckling på InpharmD.

Skärningspunkten mellan DI och AI: Läkemedelsinformation (DI) syftar på upptäckt, användning och hantering av hälso- och sjukvårdsinformation. Sjukvårdsleverantörer har många utmaningar förknippade med upptäckt av läkemedelsinformation, såsom intensivt engagemang i tiden, bristande tillgänglighet och tillförlitliga datas exakthet. Den genomsnittliga kliniska frågan kräver en litteratursökning som tar i genomsnitt 18.5 timmar. Dessutom ligger narkotikainformationen ofta i olika informationssilor, bakom betalväggar och designväggar, och blir snabbt unken.

InpharmD är ett mobilbaserat, akademiskt nätverk av läkemedelsinformationscenter som kombinerar kraften hos artificiell intelligens och apoteksintelligens för att tillhandahålla kurerade, evidensbaserade svar på kliniska förfrågningar. Målet på InpharmD är att leverera korrekt läkemedelsinformation effektivt, så att vårdgivare snabbt kan fatta välgrundade beslut och ge optimal patientvård.

För att nå detta mål byggde InpharmD Sherlock, en prototyp av bot som läser och dechiffrerar medicinsk litteratur. Sherlock är baserad på AI-tjänster inklusive Amazon Kendra, en intelligent söktjänst och Amazon Lex, en fullständigt hanterad AI-tjänst för att bygga samtalsgränssnitt i alla applikationer. Med Sherlock kan vårdgivare hämta värdefulla kliniska bevis, vilket gör att de kan fatta datadrivna beslut och spendera mer tid med patienter. Sherlock har tillgång till över 5,000 1,300 av InpharmDs sammanfattningar och 94 XNUMX läkemedelsmonografier från American Society of Health System Pharmacists (ASHP). Denna databank expanderar varje dag när fler sammanfattningar och monografier laddas upp och redigeras. Sherlock filtrerar efter relevans och aktualitet för att snabbt söka igenom tusentals PDF-filer, studier, sammanfattningar och andra dokument och ge svar med XNUMX % noggrannhet jämfört med människor.

Följande är en preliminär textlikhetspoäng och manuell utvärdering mellan en maskingenererad sammanfattning och mänsklig sammanfattning.

InpharmD och AWS

AWS fungerar som en accelerator för InpharmD. AWS SDK:er minskar utvecklingstiden avsevärt genom att tillhandahålla gemensamma funktioner som gör att InpharmD kan fokusera på att leverera kvalitetsresultat. AWS-tjänster som Amazon Kendra och Amazon Lex tillåter InpharmD att oroa sig mindre för skalning, systemunderhåll och stabilitet.

Följande diagram illustrerar arkitekturen för AWS-tjänster för Sherlock:

InpharmD hade inte kunnat bygga Sherlock utan hjälp av AWS. I kärnan använder InpharmD Amazon Kendra som grunden för sina initiativ för maskininlärning (ML) för att indexera InpharmDs dokumentbibliotek och tillhandahålla smarta svar med hjälp av naturlig språkbehandling. Detta är överlägset traditionella suddiga sökbaserade algoritmer, och resultatet är bättre svar på användarfrågor.

InpharmD använde sedan Amazon Lex för att skapa Sherlock, en chatbottjänst som levererar Amazon Kendras ML-drivna sökresultat genom ett lättanvänt konversationsgränssnitt. Sherlock använder de naturliga språkförståelsemöjligheterna hos Amazon Lex för att upptäcka avsikten och bättre förstå frågornas sammanhang för att hitta de bästa svaren. Detta möjliggör mer naturliga samtal om medicinsk litteraturförfrågningar och svar.

Dessutom lagrar InpharmD läkemedelsinformationsinnehållet i molnet via S3-hinkar. AWS Lambda tillåter InpharmD att skala serverlogik och interagera med olika AWS-tjänster med lätthet. Det är nyckeln för att koppla Amazon Kendra till andra tjänster som Amazon Lex.

"AWS har varit avgörande för att påskynda utvecklingen av Sherlock. Vi behöver inte oroa oss lika mycket för skalning, systemunderhåll och stabilitet eftersom AWS tar hand om det åt oss. Med Amazon Kendra och Amazon Lex kan vi bygga den bästa versionen av Sherlock och minska vår utvecklingstid med månader. Utöver det kan vi också minska tiden för varje litteratursökning med 16 %."

– Tulasee Chintha, Chief Technological Officer och medgrundare av InpharmD.

Inverkan

InpharmD litar på ett nätverk av över 10,000 16 leverantörer och åtta hälsosystem och hjälper till att vägleda evidensbaserad information som påskyndar beslutsfattande och sparar tid för läkare. Med hjälp av InpharmD-tjänster minskar tiden för varje litteratursökning med 3 %, vilket sparar cirka 12 timmar per sökning. InpharmD ger också ett heltäckande resultat, med cirka XNUMX sammanfattningar av tidskriftsartiklar för varje litteratursökning. Med implementeringen av Sherlock hoppas InpharmD kunna göra litteratursökningsprocessen ännu mer effektiv och sammanfatta fler studier på kortare tid.

Sherlock-prototypen betatestas för närvarande och delas med leverantörer för att få feedback från användare.

"Tillgång till InpharmD-plattformen är mycket anpassningsbar. Jag var glad att InpharmD-teamet arbetade med mig för att möta mina specifika behov och behoven på min institution. Jag frågade Sherlock om ett läkemedels säkerhet och produkten gav mig en sammanfattning och litteratur för att snabbt kunna svara på komplexa kliniska frågor. Den här produkten gör mycket av det arbete som tidigare innebar mycket klick och sökning och försök i massor av olika sökleverantörer. För en upptagen läkare fungerar det utmärkt. Det sparade mig tid och hjälpte till att säkerställa att jag använde den mest uppdaterade forskningen för mitt beslutsfattande. Det här skulle ha förändrat spelet när jag var på ett akademiskt sjukhus och gjorde klinisk forskning, men även som privatläkare är det bra att se till att du alltid är uppdaterad med aktuella bevis."

– Ghaith Ibrahim, MD på Wellstar Health System.

Slutsats

Vårt team på InpharmD är glada över att bygga vidare på den tidiga framgång vi har sett från att implementera Sherlock med hjälp av Amazon Kendra och Amazon Lex. Vår plan för Sherlock är att utveckla den till en intelligent assistent som är tillgänglig när som helst, var som helst. I framtiden hoppas vi kunna integrera Sherlock med Amazon Alexa så att leverantörer kan få omedelbar, kontaktlös tillgång till bevis, så att de kan fatta snabba datadrivna kliniska beslut som säkerställer optimal patientvård.

Om författaren

Dr Janhavi Punyarthi är en innovativ farmaceut som leder varumärkesutveckling och engagemang på InpharmD. Med en passion för kreativitet tycker Dr. Punyarthi om att kombinera sin kärlek till skrivande och evidensbaserad medicin för att presentera klinisk litteratur på engagerande sätt.

Villkor: AWS ansvarar inte för innehållet eller riktigheten i detta inlägg. Innehållet och åsikterna i det här inlägget är uteslutande från tredje parts författare. Det är varje kunds ansvar att avgöra om de är föremål för HIPAA, och i så fall hur man bäst följer HIPAA och dess tillämpningsföreskrifter. Innan AWS används i samband med skyddad hälsoinformation måste kunderna ange ett AWS Business Associate Addendum (BAA) och följa dess konfigurationskrav.

Tidsstämpel: Februari 23, 2022