Tämä viesti on kirjoitettu yhdessä Accenturen Ilan Gellerin, Shuyu Yangin ja Richa Guptan kanssa.

Uusien innovatiivisten lääkkeiden markkinoille saattaminen on pitkä ja vaativa prosessi. Yritykset kohtaavat monimutkaisia ​​säännöksiä ja laajat hyväksyntävaatimukset hallintoelimiltä, ​​kuten Yhdysvaltain elintarvike- ja lääkevirastolta (FDA). Keskeinen osa toimitusprosessia on säädösasiakirjojen, kuten Yhteinen tekninen asiakirja (CTD), kattava vakiomuotoinen asiakirja hakemusten, muutosten, täydennysten ja raporttien lähettämistä varten FDA:lle. Tämä asiakirja sisältää yli 100 erittäin yksityiskohtaista teknistä raporttia, jotka on luotu lääketutkimuksen ja -testauksen aikana. CTD:iden manuaalinen luominen on uskomattoman työvoimavaltaista, ja se vaatii jopa 100,000 XNUMX tuntia vuodessa tyypilliseltä suurelta lääkeyritykseltä. Satojen asiakirjojen työläs kokoamisprosessi on myös altis virheille.

Accenture rakensi säädösdokumenttien luontiratkaisun automatisoidulla generatiivinen tekoäly jonka avulla tutkijat ja testaajat voivat tuottaa CTD:itä tehokkaasti. Poimimalla tärkeimmät tiedot testausraporteista järjestelmä käyttää Amazon SageMaker JumpStart ja muut AWS AI -palvelut CTD:iden luomiseksi oikeassa muodossa. Tämä vallankumouksellinen lähestymistapa tiivistää CTD-luonnostamiseen käytetyn ajan ja vaivan. Käyttäjät voivat nopeasti tarkastella ja muokata tietokoneella luotuja raportteja ennen lähettämistä.

Tietojen ja siihen liittyvien ponnistelujen arkaluontoisuuden vuoksi lääkeyritykset tarvitsevat korkeamman tason valvontaa, turvallisuutta ja tarkastettavuutta. Tämä ratkaisu perustuu AWS Well-Architected -periaatteisiin ja -ohjeisiin, jotka mahdollistavat ohjaus-, turvallisuus- ja tarkastettavuusvaatimukset. Käyttäjäystävällinen järjestelmä käyttää myös salausta turvallisuuden vuoksi.

Hyödyntämällä AWS:n luovaa tekoälyä Accenture pyrkii muuttamaan tehokkuutta säännellyillä aloilla, kuten lääketeollisuudessa. Turhauttavan CTD-asiakirjaprosessin automatisointi nopeuttaa uusien tuotteiden hyväksyntää, jotta innovatiiviset hoidot pääsevät potilaiden luo nopeammin. AI tarjoaa suuren harppauksen eteenpäin.

Tämä viesti tarjoaa yleiskatsauksen Accenturen kehittämään kokonaisvaltaiseen generatiiviseen tekoälyratkaisuun säädöstenmukaisten asiakirjojen luomiseen SageMaker JumpStartin ja muiden AWS-palvelujen avulla.

Ratkaisun yleiskatsaus

Accenture rakensi tekoälypohjaisen ratkaisun, joka luo automaattisesti CTD-asiakirjan vaaditussa muodossa, ja käyttäjät voivat tarkastella ja muokata luotua sisältöä joustavasti. Alustavan arvon arvioidaan olevan 40–45 %:n lyhennys luomisajassa.

Tämä generatiivinen tekoälypohjainen ratkaisu poimii tiedot testausprosessin yhteydessä valmistetuista teknisistä raporteista ja toimittaa yksityiskohtaisen aineiston keskushallinnon edellyttämässä yhteisessä muodossa. Tämän jälkeen käyttäjät tarkistavat ja muokkaavat dokumentteja tarvittaessa ja toimittavat ne keskushallintoelimille. Tämä ratkaisu käyttää SageMaker JumpStart AI21 Jurassic Jumbo Instruct- ja AI21 Summarize -malleja asiakirjojen poimimiseen ja luomiseen.

Seuraava kaavio kuvaa ratkaisuarkkitehtuuria.

Työnkulku koostuu seuraavista vaiheista:

1. Käyttäjä käyttää säädöstenmukaisten asiakirjojen luontityökalua tietokoneen selaimella.
2. React-sovellusta isännöidään AWS vahvistaa ja sitä käytetään käyttäjän tietokoneelta (DNS:n yhteydessä käytä Amazon-reitti 53).
3. React-sovellus käyttää Amplify-todennuskirjastoa tunnistamaan, onko käyttäjä todennettu.
4. Amazon Cognito tarjoaa paikallisen käyttäjäjoukon tai se voidaan yhdistää käyttäjän aktiiviseen hakemistoon.
5. Sovellus käyttää Amplify-kirjastoja Amazonin yksinkertainen tallennuspalvelu (Amazon S3) ja lataa käyttäjien toimittamat asiakirjat Amazon S3:een.
6. Sovellus kirjoittaa työn tiedot (sovelluksen luoma työtunnus ja Amazon S3 -lähdetiedoston sijainti) an Amazonin yksinkertainen jonopalvelu (Amazon SQS) -jonossa. Se kaappaa Amazon SQS:n palauttaman viestitunnuksen. Amazon SQS mahdollistaa vikasietoisen irrotetun arkkitehtuurin. Vaikka työn käsittelyn aikana tapahtuu taustavirheitä, Amazon SQS:n sisällä oleva työtietue varmistaa onnistuneet uudelleenyritykset.
7. Käyttämällä edellisen pyynnön palauttamaa työtunnusta ja viestitunnusta asiakas muodostaa yhteyden WebSocket-sovellusliittymä ja lähettää työtunnuksen ja viestitunnuksen WebSocket-yhteyteen.
8. WebSocket laukaisee an AWS Lambda toiminto, joka luo tietueen sisään Amazon DynamoDB. Tietue on työn tunnuksen (WebSocket) avainarvokuvaus yhteystunnuksen ja viestitunnuksen kanssa.
9. Toinen Lambda-toiminto käynnistyy uudella viestillä SQS-jonossa. Lambda-toiminto lukee työtunnuksen ja kutsuu sen AWS-vaihetoiminnot työnkulku datatiedostojen käsittelyä varten.
10. Step Functions -tilakone kutsuu Lambda-funktion käsittelemään lähdeasiakirjoja. Toimintokoodi kutsuu Amazonin teksti asiakirjojen analysointiin. Vastaustiedot tallennetaan DynamoDB:hen. Tietojen käsittelyyn liittyvien erityisvaatimusten perusteella se voidaan tallentaa myös Amazon S3:een tai Amazon DocumentDB (MongoDB-yhteensopivuuden kanssa).
11. Lambda-funktio kutsuu Amazon Textract API DetectDocumentin jäsentämään taulukkomuotoisia tietoja lähdeasiakirjoista ja tallentaa puretut tiedot DynamoDB:hen.
12. Lambda-funktio käsittelee tiedot DynamoDB-taulukkoon tallennettujen kartoitussääntöjen perusteella.
13. Lambda-funktio kutsuu kehotekirjastot ja joukon toimintoja käyttämällä generatiivista tekoälyä suurella kielimallilla, jota isännöidään Amazon Sage Maker tietojen yhteenvetoa varten.
14. Asiakirjankirjoitustoiminto Lambda-toiminto kirjoittaa konsolidoidun asiakirjan S3-käsiteltyyn kansioon.
15. Työn takaisinkutsu Lambda-funktio hakee takaisinsoittoyhteyden tiedot DynamoDB-taulukosta ja välittää työn tunnuksen. Sitten Lambda-toiminto soittaa takaisin WebSocket-päätepisteeseen ja tarjoaa käsitellyn asiakirjan linkin Amazon S3:sta.
16. Lambda-funktio poistaa viestin SQS-jonosta, jotta sitä ei käsitellä uudelleen.
17. Asiakirjageneraattorin verkkomoduuli muuntaa JSON-tiedot Microsoft Word -asiakirjaksi, tallentaa sen ja renderöi käsitellyn asiakirjan verkkoselaimessa.
18. Käyttäjä voi tarkastella, muokata ja tallentaa asiakirjoja takaisin S3-ämpäriin web-moduulista. Tämä auttaa tarvittaessa arvioinnissa ja korjauksissa.

Ratkaisu käyttää myös SageMaker-muistikirjoja (merkitty T:llä edellisessä arkkitehtuurissa) toimialueen mukauttamiseen, mallien hienosäätämiseen ja SageMaker-päätepisteiden käyttöönottoon.

Yhteenveto

Tässä viestissä esittelimme, kuinka Accenture käyttää AWS:n luovia tekoälypalveluja toteuttaakseen päästä päähän -lähestymistavan kohti sääntelyasiakirjojen luontiratkaisua. Tämä ratkaisu varhaisessa testauksessa on osoittanut 60–65 % lyhennyksen CTD:iden luomiseen tarvittavassa ajassa. Havaitsimme puutteita perinteisissä sääntely-alustoissa ja lisäsimme sen puitteissa luovaa älykkyyttä nopeuttaaksemme vasteaikoja. Parannamme järjestelmää jatkuvasti samalla kun olemme yhteydessä käyttäjiin ympäri maailmaa. Ota yhteyttä Accenture Center of Excellence -tiimiin sukeltaaksesi syvemmälle ratkaisuun ja ottaaksesi sen käyttöön asiakkaillesi.

Tämä generatiiviseen tekoälyyn keskittyvä yhteinen ohjelma auttaa lisäämään Accenturen ja AWS:n yhteisasiakkaiden aikaa arvon saavuttamiseen. Pyrkimys perustuu yritysten väliseen 15 vuoden strategiseen suhteeseen ja käyttää samoja todistettuja mekanismeja ja kiihdyttimiä, jotka Accenture AWS -liiketoimintaryhmä (AABG).

Ota yhteyttä AABG-tiimiin osoitteessa [sähköposti suojattu] ajaa liiketoiminnan tuloksia muuttumalla älykkääksi AWS-tietoyritykseksi.

Lisätietoja generatiivisesta tekoälystä AWS:ssä Amazonin kallioperä tai SageMaker, katso Generatiivinen tekoäly AWS:ssä: Teknologia ja Aloita generatiivisen tekoälyn käyttäminen AWS:ssä Amazon SageMaker JumpStartin avulla.

Voit myös tilaa AWS:n generatiivisen tekoälyn uutiskirje, joka sisältää koulutusresursseja, blogeja ja palvelupäivityksiä.

---

Tietoja Tekijät

Ilan Geller on Accenturen data- ja tekoälykäytännön toimitusjohtaja. Hän on Global AWS Partner Lead for Data and AI ja Center for Advanced AI. Hänen tehtävänsä Accenturessa ovat keskittyneet pääasiassa monimutkaisen datan, AI/ML:n ja viimeisimpänä Generatiivisten tekoälyratkaisujen suunnitteluun, kehittämiseen ja toimittamiseen.

Shuyu Yang on Generative AI ja Large Language Model Delivery Lead ja johtaa myös CoE (Center of Excellence) Accenture AI (AWS DevOps professional) -tiimejä.

Richa Gupta on Accenturen teknologia-arkkitehti, joka johtaa erilaisia ​​tekoälyprojekteja. Hänellä on yli 18 vuoden kokemus Scalable AI- ja GenAI-ratkaisujen suunnittelusta. Hänen osaamisalueensa ovat tekoälyarkkitehtuuri, pilviratkaisut ja generatiivinen tekoäly. Hän soittaa ja instrumentaaliroolia erilaisissa ennakkomyyntitoiminnoissa.

Shikhar Kwatra on AI/ML Specialist Solutions -arkkitehti Amazon Web Servicesissä ja työskentelee johtavan maailmanlaajuisen järjestelmäintegraattorin kanssa. Hän on ansainnut tittelin yksi nuorimmista Intian mestarikeksijöistä yli 500 patentilla AI/ML- ja IoT-alueilla. Shikhar auttaa organisaation kustannustehokkaiden, skaalautuvien pilviympäristöjen suunnittelussa, rakentamisessa ja ylläpidossa ja tukee GSI-kumppania strategisten toimialaratkaisujen rakentamisessa AWS:lle. Shikhar nauttii kitaran soittamisesta, musiikin säveltämisestä ja mindfulnessin harjoittamisesta vapaa-ajallaan.

Sachin Thakkar on vanhempi ratkaisuarkkitehti Amazon Web Servicesissä ja työskentelee johtavan maailmanlaajuisen järjestelmäintegraattorin (GSI) kanssa. Hänellä on yli 23 vuoden kokemus IT-arkkitehtina ja suurten instituutioiden teknologiakonsulttina. Hänen painopistealueensa ovat data, analytiikka ja generatiivinen tekoäly. Sachin tarjoaa arkkitehtonista ohjausta ja tukee GSI-kumppania strategisten toimialaratkaisujen rakentamisessa AWS:lle.

• SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
• PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
• PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
• PlatoESG. hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
• PlatonHealth. Biotekniikan ja kliinisten kokeiden älykkyys. Pääsy tästä.
• Lähde: https://aws.amazon.com/blogs/machine-learning/accenture-creates-a-regulatory-document-authoring-solution-using-aws-generative-ai-services/