تمت كتابة هذا المنشور بالاشتراك مع إيلان جيلر وشويو يانغ وريتشا غوبتا من شركة Accenture.
إن طرح الأدوية الصيدلانية الجديدة والمبتكرة في الأسواق يعد عملية طويلة وصارمة. تواجه الشركات لوائح معقدة ومتطلبات موافقة واسعة النطاق من الهيئات الإدارية مثل إدارة الغذاء والدواء الأمريكية (FDA). جزء أساسي من عملية التقديم هو تأليف المستندات التنظيمية مثل الوثيقة الفنية المشتركة (CTD)، وثيقة ذات تنسيق قياسي شامل لتقديم الطلبات والتعديلات والملاحق والتقارير إلى إدارة الغذاء والدواء. تحتوي هذه الوثيقة على أكثر من 100 تقرير فني مفصل للغاية تم إنشاؤها أثناء عملية البحث عن الأدوية واختبارها. يتطلب إنشاء CTDs يدويًا عمالة كثيفة بشكل لا يصدق، ويتطلب ما يصل إلى 100,000 ساعة سنويًا لشركة أدوية كبيرة نموذجية. إن العملية الشاقة لتجميع مئات المستندات تكون أيضًا عرضة للأخطاء.
اكسنتشر بناء حل تأليف المستندات التنظيمية باستخدام الآلي الذكاء الاصطناعي التوليدي التي تمكن الباحثين والمختبرين من إنتاج اضطرابات الصدمة التراكمية بكفاءة. من خلال استخراج البيانات الأساسية من تقارير الاختبار، يستخدم النظام أمازون سيج ميكر جومب ستارت وخدمات AWS AI الأخرى لإنشاء CTDs بالتنسيق المناسب. يعمل هذا النهج الثوري على تقليل الوقت والجهد المبذول في تأليف CTD. يمكن للمستخدمين مراجعة التقارير التي تم إنشاؤها بواسطة الكمبيوتر وضبطها بسرعة قبل إرسالها.
ونظرًا للطبيعة الحساسة للبيانات والجهد المبذول، تحتاج شركات الأدوية إلى مستوى أعلى من التحكم والأمن وقابلية التدقيق. يعتمد هذا الحل على مبادئ وإرشادات AWS Well-Architected لتمكين متطلبات التحكم والأمان وقابلية التدقيق. يستخدم النظام سهل الاستخدام أيضًا التشفير للأمان.
من خلال تسخير الذكاء الاصطناعي التوليدي لدى AWS، تهدف Accenture إلى تحويل الكفاءة للصناعات الخاضعة للتنظيم مثل الأدوية. تعمل أتمتة عملية توثيق CTD المحبطة على تسريع الموافقات على المنتجات الجديدة حتى تتمكن العلاجات المبتكرة من الوصول إلى المرضى بشكل أسرع. يحقق الذكاء الاصطناعي قفزة كبيرة إلى الأمام.
يقدم هذا المنشور نظرة عامة على حل الذكاء الاصطناعي الشامل الذي طورته شركة Accenture لتأليف المستندات التنظيمية باستخدام SageMaker JumpStart وخدمات AWS الأخرى.
حل نظرة عامة
قامت شركة Accenture ببناء حل قائم على الذكاء الاصطناعي يقوم تلقائيًا بإنشاء مستند CTD بالتنسيق المطلوب، إلى جانب المرونة المتاحة للمستخدمين لمراجعة المحتوى الذي تم إنشاؤه وتحريره. تقدر القيمة الأولية بتخفيض بنسبة 40-45٪ في وقت التأليف.
يستخرج هذا الحل القائم على الذكاء الاصطناعي المعلومات من التقارير الفنية التي تم إنتاجها كجزء من عملية الاختبار ويقدم الملف التفصيلي بتنسيق مشترك مطلوب من قبل الهيئات الإدارية المركزية. ثم يقوم المستخدمون بمراجعة المستندات وتحريرها، عند الضرورة، وتقديمها إلى هيئات الإدارة المركزية. يستخدم هذا الحل نموذجي SageMaker JumpStart AI21 Jurassic Jumbo Instruct وAI21 Summarize لاستخراج المستندات وإنشائها.
يوضح الرسم البياني التالي بنية الحل.
يتكون سير العمل من الخطوات التالية:
- يصل المستخدم إلى أداة تأليف المستندات التنظيمية من متصفح جهاز الكمبيوتر الخاص به.
- تتم استضافة تطبيق React على تضخيم AWS ويمكن الوصول إليه من جهاز الكمبيوتر الخاص بالمستخدم (لنظام DNS، استخدم الأمازون الطريق 53).
- يستخدم تطبيق React مكتبة مصادقة Amplify لاكتشاف ما إذا كان المستخدم قد تمت مصادقته أم لا.
- أمازون كوجنيتو يوفر تجمع مستخدمين محليين أو يمكن دمجه مع الدليل النشط الخاص بالمستخدم.
- يستخدم التطبيق مكتبات Amplify لـ خدمة تخزين أمازون البسيطة (Amazon S3) ويقوم بتحميل المستندات المقدمة من قبل المستخدمين إلى Amazon S3.
- يكتب التطبيق تفاصيل الوظيفة (معرف الوظيفة الذي أنشأه التطبيق وموقع ملف مصدر Amazon S3) إلى ملف خدمة Amazon Simple Queue Service قائمة انتظار (أمازون SQS). فهو يلتقط معرف الرسالة الذي تم إرجاعه بواسطة Amazon SQS. يتيح Amazon SQS بنية منفصلة متسامحة مع الأخطاء. حتى لو كانت هناك بعض الأخطاء الخلفية أثناء معالجة مهمة ما، فإن وجود سجل وظيفة داخل Amazon SQS سيضمن إعادة المحاولة بنجاح.
- باستخدام معرف المهمة ومعرف الرسالة الذي تم إرجاعه بواسطة الطلب السابق، يتصل العميل بـ واجهة برمجة تطبيقات WebSocket ويرسل معرف المهمة ومعرف الرسالة إلى اتصال WebSocket.
- يقوم WebSocket بتشغيل AWS لامدا الوظيفة، التي تقوم بإنشاء سجل في الأمازون DynamoDB. السجل عبارة عن تعيين قيمة مفتاح لمعرف المهمة (WebSocket) مع معرف الاتصال ومعرف الرسالة.
- يتم تشغيل وظيفة Lambda أخرى برسالة جديدة في قائمة انتظار SQS. تقوم وظيفة Lambda بقراءة معرف الوظيفة واستدعاء وظائف خطوة AWS سير العمل لمعالجة ملفات البيانات.
- تستدعي آلة حالة Step Functions وظيفة Lambda لمعالجة المستندات المصدر. يستدعي رمز الوظيفة أمازون تيكستراك لتحليل الوثائق. يتم تخزين بيانات الاستجابة في DynamoDB. بناءً على متطلبات محددة تتعلق بمعالجة البيانات، يمكن أيضًا تخزينها في Amazon S3 أو Amazon DocumentDB (مع التوافق مع MongoDB).
- تقوم وظيفة Lambda باستدعاء Amazon Textract API DetectDocument لتحليل البيانات الجدولية من المستندات المصدر وتخزين البيانات المستخرجة في DynamoDB.
- تقوم وظيفة Lambda بمعالجة البيانات بناءً على قواعد التعيين المخزنة في جدول DynamoDB.
- تستدعي وظيفة Lambda مكتبات المطالبة وسلسلة من الإجراءات باستخدام الذكاء الاصطناعي التوليدي مع نموذج لغة كبير مستضاف من خلاله الأمازون SageMaker لتلخيص البيانات.
- تقوم وظيفة Lambda لكاتب المستندات بكتابة مستند مدمج في مجلد تمت معالجته بواسطة S3.
- تقوم وظيفة Lambda لاستدعاء الوظيفة باسترداد تفاصيل اتصال رد الاتصال من جدول DynamoDB، وتمرير معرف المهمة. ثم تقوم وظيفة Lambda بإجراء رد اتصال بنقطة نهاية WebSocket وتوفر رابط المستند الذي تمت معالجته من Amazon S3.
- تقوم وظيفة Lambda بحذف الرسالة من قائمة انتظار SQS بحيث لا تتم إعادة معالجتها.
- تقوم وحدة الويب الخاصة بمولد المستندات بتحويل بيانات JSON إلى مستند Microsoft Word، وحفظها، وعرض المستند الذي تمت معالجته على متصفح الويب.
- يمكن للمستخدم عرض المستندات وتحريرها وحفظها مرة أخرى في حاوية S3 من وحدة الويب. وهذا يساعد في المراجعات والتصحيحات اللازمة، إن وجدت.
يستخدم الحل أيضًا دفاتر ملاحظات SageMaker (المسماة T في البنية السابقة) لإجراء تكييف المجال وضبط النماذج ونشر نقاط نهاية SageMaker.
وفي الختام
في هذا المنشور، عرضنا كيف تستخدم شركة Accenture خدمات الذكاء الاصطناعي التوليدية من AWS لتنفيذ نهج شامل تجاه حل تأليف المستندات التنظيمية. أظهر هذا الحل في الاختبار المبكر انخفاضًا بنسبة 60-65% في الوقت اللازم لتأليف اضطرابات الصدمة التراكمية. لقد حددنا الثغرات في منصات الإدارة التنظيمية التقليدية والذكاء التوليدي المعزز ضمن إطارها من أجل أوقات استجابة أسرع، ونقوم باستمرار بتحسين النظام أثناء التفاعل مع المستخدمين في جميع أنحاء العالم. تواصل مع فريق Accenture Center of Excellence للتعمق أكثر في الحل ونشره لعملائك.
سيساعد هذا البرنامج المشترك الذي يركز على الذكاء الاصطناعي التوليدي على زيادة الوقت اللازم لتحقيق القيمة للعملاء المشتركين لـ Accenture وAWS. يعتمد هذا الجهد على العلاقة الإستراتيجية التي تمتد لـ 15 عامًا بين الشركتين ويستخدم نفس الآليات والمسرعات التي أنشأتها مجموعة أعمال Accenture AWS (آبغ).
تواصل مع فريق AABG على Accentureaws@amazon.com لدفع نتائج الأعمال من خلال التحول إلى مؤسسة بيانات ذكية على AWS.
لمزيد من المعلومات حول الذكاء الاصطناعي التوليدي على AWS باستخدام أمازون بيدروك أو SageMaker، راجع الذكاء الاصطناعي التوليدي على AWS: التكنولوجيا و ابدأ باستخدام الذكاء الاصطناعي التوليدي على AWS باستخدام Amazon SageMaker JumpStart.
بامكانك ايضا قم بالتسجيل في النشرة الإخبارية للذكاء الاصطناعي AWS، والذي يتضمن الموارد التعليمية والمدونات وتحديثات الخدمة.
حول المؤلف
إيلان جيلر هو المدير الإداري في ممارسة البيانات والذكاء الاصطناعي في شركة Accenture. وهو الشريك العالمي لشركة AWS للبيانات والذكاء الاصطناعي ومركز الذكاء الاصطناعي المتقدم. تركزت أدواره في Accenture في المقام الأول على تصميم وتطوير وتقديم البيانات المعقدة، والذكاء الاصطناعي/التعلم الآلي، وأحدث حلول الذكاء الاصطناعي التوليدية.
شويو يانغ هو قائد تسليم نماذج الذكاء الاصطناعي التوليدي ونماذج اللغات الكبيرة ويقود أيضًا فرق CoE (مركز التميز) Accenture AI (AWS DevOps Professional).
ريشا جوبتا هو مهندس تكنولوجيا في شركة Accenture، حيث يقود العديد من مشاريع الذكاء الاصطناعي. تتمتع بخبرة تزيد عن 18 عامًا في تصميم حلول الذكاء الاصطناعي القابلة للتطوير وحلول GenAI. مجال خبرتها يتعلق بهندسة الذكاء الاصطناعي والحلول السحابية والذكاء الاصطناعي التوليدي. إنها تلعب دورًا فعالًا في مختلف أنشطة ما قبل البيع.
شيخار كواترة هو مهندس حلول متخصص في AI / ML في Amazon Web Services ، ويعمل مع شركة تكامل أنظمة عالمية رائدة. لقد حصل على لقب أحد أصغر المخترعين الهنود الرئيسيين مع أكثر من 500 براءة اختراع في مجالات AI / ML و IoT. يساعد Shikhar في هندسة وبناء وصيانة بيئات سحابية فعالة من حيث التكلفة وقابلة للتطوير للمؤسسة ، كما يدعم شريك GSI في بناء حلول صناعية استراتيجية على AWS. يستمتع شيخار بالعزف على الجيتار وتأليف الموسيقى وممارسة اليقظة الذهنية في أوقات فراغه.
ساشين ثكار هو مهندس حلول أول في Amazon Web Services، ويعمل مع شركة رائدة في مجال تكامل الأنظمة العالمية (GSI). يتمتع بخبرة تزيد عن 23 عامًا كمهندس تكنولوجيا معلومات ومستشار تكنولوجي للمؤسسات الكبيرة. ينصب مجال تركيزه على البيانات والتحليلات والذكاء الاصطناعي التوليدي. يقدم Sachin التوجيه المعماري ويدعم شريك GSI في بناء حلول الصناعة الإستراتيجية على AWS.
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
- أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
- أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
- أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
- المصدر https://aws.amazon.com/blogs/machine-learning/accenture-creates-a-regulatory-document-authoring-solution-using-aws-generative-ai-services/
