InpharmD 如何使用 Amazon Kendra 和 Amazon Lex 推动基于证据的患者护理

这是一篇客座文章，作者： Janhavi Punyarthi 博士，InpharmD 品牌开发总监。

DI 和 AI 的交叉点：药品信息 (DI) 是指医疗保健和医疗信息的发现、使用和管理。 医疗保健提供者在药物信息发现方面面临许多挑战，例如投入大量时间、缺乏可访问性以及可靠数据的准确性。 平均临床查询需要文献检索，平均需要 18.5 小时。 此外，药品信息通常位于不同的信息孤岛中，位于付费墙和设计墙后面，并且很快就会变得陈旧。

InpharmD 是一个基于移动的药物信息中心学术网络，它结合了人工智能和药房智能的力量，为临床询问提供精心策划的、基于证据的响应。 InpharmD 的目标是高效地提供准确的药物信息，以便医疗保健提供者能够快速做出明智的决策并提供最佳的患者护理。

为了实现这一目标，InpharmD 构建了 Sherlock，这是一个可以阅读和破译医学文献的原型机器人。 Sherlock 基于人工智能的服务包括 亚马逊肯德拉，智能搜索服务，以及 亚马逊Lex，一种完全托管的人工智能服务，用于在任何应用程序中构建对话界面。 借助 Sherlock，医疗保健提供者可以检索有价值的临床证据，这使他们能够做出数据驱动的决策并花更多时间与患者在一起。 Sherlock 可以访问 InpharmD 的 5,000 多篇摘要以及美国卫生系统药剂师协会 (ASHP) 的 1,300 篇药物专着。 随着更多摘要和专着的上传和编辑，该数据库每天都在扩展。 Sherlock 可以过滤相关性和新近度，快速搜索数千个 PDF、研究、摘要和其他文档，并提供与人类相比准确度高达 94% 的响应。

以下是机器生成的摘要和人工摘要之间的初步文本相似度评分和手动评估。

InpharmD 和 AWS

AWS 充当 InpharmD 的加速器。 AWS 软件开发工具包提供通用功能，使 InpharmD 能够专注于提供高质量的结果，从而显着缩短开发时间。 Amazon Kendra 和 Amazon Lex 等 AWS 服务让 InpharmD 无需担心扩展、系统维护和稳定性问题。

下图展示了 Sherlock 的 AWS 服务架构：

如果没有 AWS 的帮助，InpharmD 就无法构建 Sherlock。 InpharmD 的核心是使用 Amazon Kendra 作为其机器学习 (ML) 计划的基础，以索引 InpharmD 的文档库并使用自然语言处理提供智能答案。 这优于传统的基于模糊搜索的算法，并且结果是对用户问题的更好答案。

随后，InpharmD 使用 Amazon Lex 创建了 Sherlock，这是一种聊天机器人服务，可通过易于使用的对话界面提供 Amazon Kendra 的 ML 支持的搜索结果。 Sherlock 使用 Amazon Lex 的自然语言理解功能来检测意图并更好地理解问题的上下文，以便找到最佳答案。 这使得有关医学文献查询和答复的对话更加自然。

此外，InpharmD通过S3存储桶将药品信息内容存储在云端。 AWS Lambda 允许 InpharmD 扩展服务器逻辑并轻松与各种 AWS 服务交互。 它是将 Amazon Kendra 连接到 Amazon Lex 等其他服务的关键。

“AWS 对于加速 Sherlock 的开发至关重要。 我们不必太担心扩展、系统维护和稳定性，因为 AWS 会为我们处理这些问题。 借助 Amazon Kendra 和 Amazon Lex，我们能够构建 Sherlock 的最佳版本，并将开发时间缩短数月。 最重要的是，我们还能够将每次文献检索的时间减少 16%。=

– Tulasee Chintha，InpharmD 首席技术官兼联合创始人。

影响力故事

InpharmD 受到超过 10,000 家医疗服务提供者和 16 个卫生系统组成的网络的信赖，可帮助指导基于证据的信息，从而加速决策并节省临床医生的时间。 在InpharmD服务的帮助下，每次文献检索的时间减少了3%，每次检索节省了约12小时。 InpharmD 还提供全面的结果，每个文献检索大约有 XNUMX 篇期刊文章摘要。 通过 Sherlock 的实施，InpharmD 希望使文献检索过程更加高效，在更短的时间内总结更多的研究。

Sherlock 原型目前正在进行 beta 测试，并与提供商共享以获取用户反馈。

“InpharmD 平台的访问是高度可定制的. 我很高兴 InpharmD 团队与我合作，满足我的特定需求和我所在机构的需求。 我向 Sherlock 询问了一种药物的安全性，该产品为我提供了摘要和文献，可以快速回答复杂的临床问题。 该产品完成了许多早期涉及大量点击和搜索以及尝试大量不同搜索供应商的工作。 对于忙碌的医生来说，这非常有效。 它节省了我的时间，并帮助确保我在决策时使用最新的研究。 当我在一家学术医院进行临床研究时，这将改变游戏规则，但即使作为一名私人医生，确保您始终了解最新的证据也是很棒的。=

– Ghaith Ibrahim，Wellstar 健康系统医学博士。

结论

我们 InpharmD 的团队很高兴能在 Amazon Kendra 和 Amazon Lex 的帮助下部署 Sherlock 所取得的早期成功的基础上再接再厉。 我们对 Sherlock 的计划是将其发展成为一个随时随地可用的智能助手。 未来，我们希望将 Sherlock 与 Amazon Alexa 集成，以便提供者能够立即、非接触式访问证据，从而使他们能够快速做出数据驱动的临床决策，以确保最佳的患者护理。

---

关于作者

Janhavi Punyarthi 博士 是一位创新药剂师，在 InpharmD 领导品牌开发和参与。 凭借对创造力的热情，Punarthi 博士喜欢将她对写作的热爱与循证医学结合起来，以引人入胜的方式呈现临床文献。

免责声明：AWS 不对这篇文章的内容或准确性负责。 本帖内容和观点仅代表第三方作者。 每个客户都有责任确定他们是否受制于 HIPAA，如果受制，如何最好地遵守 HIPAA 及其实施法规。 在将 AWS 用于受保护的健康信息之前，客户必须输入 AWS 业务伙伴附录 (BAA) 并遵循其配置要求。

• 硬币聪明。 欧洲最好的比特币和加密货币交易所。
• 柏拉图区块链。 Web3 元宇宙智能。 知识放大。 自由登入。
• 加密鹰。 山寨币雷达。 免费试用。
• 资料来源：https://aws.amazon.com/blogs/machine-learning/how-inpharmd-uses-amazon-kendra-and-amazon-lex-to-drive-evidence-based-patent-care/