Cet article est co-écrit avec Ilan Geller, Shuyu Yang et Richa Gupta d'Accenture.

La mise sur le marché de nouveaux médicaments innovants est un processus long et rigoureux. Les entreprises sont confrontées à des réglementations complexes et à des exigences d’approbation étendues de la part d’organismes directeurs tels que la Food and Drug Administration (FDA) des États-Unis. Un élément clé du processus de soumission consiste à rédiger des documents réglementaires tels que le Document Technique Commun (CTD), un document complet au format standard pour la soumission de demandes, d'amendements, de suppléments et de rapports à la FDA. Ce document contient plus de 100 rapports techniques très détaillés créés au cours du processus de recherche et d'essai de médicaments. La création manuelle de CTD demande énormément de travail, nécessitant jusqu'à 100,000 XNUMX heures par an pour une grande entreprise pharmaceutique typique. Le processus fastidieux de compilation de centaines de documents est également sujet aux erreurs.

Accenture construit une solution de création de documents réglementaires à l'aide d'outils automatisés IA générative qui permet aux chercheurs et aux testeurs de produire efficacement des CTD. En extrayant les données clés des rapports de test, le système utilise Amazon SageMaker JumpStart et d'autres services AWS AI pour générer des CTD au format approprié. Cette approche révolutionnaire réduit le temps et les efforts consacrés à la création de CTD. Les utilisateurs peuvent rapidement examiner et ajuster les rapports générés par ordinateur avant de les soumettre.

En raison de la nature sensible des données et des efforts impliqués, les sociétés pharmaceutiques ont besoin d’un niveau plus élevé de contrôle, de sécurité et d’auditabilité. Cette solution s'appuie sur les principes et directives AWS Well-Architected pour répondre aux exigences de contrôle, de sécurité et d'auditabilité. Le système convivial utilise également le cryptage pour des raisons de sécurité.

En exploitant l'IA générative AWS, Accenture vise à transformer l'efficacité des secteurs réglementés comme le secteur pharmaceutique. L'automatisation du processus frustrant de documentation CTD accélère l'approbation des nouveaux produits afin que les traitements innovants puissent parvenir plus rapidement aux patients. L’IA constitue un grand pas en avant.

Cet article donne un aperçu d'une solution d'IA générative de bout en bout développée par Accenture pour la création de documents réglementaires à l'aide de SageMaker JumpStart et d'autres services AWS.

Vue d'ensemble de la solution

Accenture a créé une solution basée sur l'IA qui génère automatiquement un document CTD dans le format requis, tout en offrant aux utilisateurs la possibilité de réviser et de modifier le contenu généré. La valeur préliminaire est estimée à une réduction de 40 à 45 % du temps de création.

Cette solution générative basée sur l'IA extrait les informations des rapports techniques produits dans le cadre du processus de test et fournit le dossier détaillé dans un format commun requis par les organes directeurs centraux. Les utilisateurs examinent et modifient ensuite les documents, si nécessaire, et les soumettent aux organes directeurs centraux. Cette solution utilise les modèles SageMaker JumpStart AI21 Jurassic Jumbo Instruct et AI21 Summarize pour extraire et créer les documents.

Le diagramme suivant illustre l'architecture de la solution.

Le flux de travail comprend les étapes suivantes :

1. Un utilisateur accède à l'outil de création de documents réglementaires à partir du navigateur de son ordinateur.
2. Une application React est hébergée sur AWS Amplifier et est accessible depuis l'ordinateur de l'utilisateur (pour DNS, utilisez Amazon Route 53).
3. L'application React utilise la bibliothèque d'authentification Amplify pour détecter si l'utilisateur est authentifié.
4. Amazon Cognito fournit un pool d'utilisateurs local ou peut être fédéré avec le répertoire actif de l'utilisateur.
5. L'application utilise les bibliothèques Amplify pour Service de stockage simple Amazon (Amazon S3) et télécharge les documents fournis par les utilisateurs sur Amazon S3.
6. L'application écrit les détails de la tâche (ID de tâche généré par l'application et emplacement du fichier source Amazon S3) dans un Service Amazon Simple Queue (Amazon SQS). Il capture l'ID du message renvoyé par Amazon SQS. Amazon SQS permet une architecture découplée tolérante aux pannes. Même s'il y a des erreurs backend lors du traitement d'une tâche, disposer d'un enregistrement de tâche dans Amazon SQS garantira la réussite des tentatives.
7. À l'aide de l'ID de travail et de l'ID de message renvoyés par la requête précédente, le client se connecte au API WebSocket et envoie l'ID de travail et l'ID de message à la connexion WebSocket.
8. Le WebSocket déclenche un AWS Lambda fonction, qui crée un enregistrement dans Amazon DynamoDB. L'enregistrement est un mappage clé-valeur de l'ID de travail (WebSocket) avec l'ID de connexion et l'ID de message.
9. Une autre fonction Lambda est déclenchée avec un nouveau message dans la file d'attente SQS. La fonction Lambda lit l'ID de tâche et appelle un Fonctions d'étape AWS flux de travail pour le traitement des fichiers de données.
10. La machine à états Step Functions appelle une fonction Lambda pour traiter les documents sources. Le code de fonction appelle Extrait d'Amazon pour analyser les documents. Les données de réponse sont stockées dans DynamoDB. En fonction des exigences spécifiques du traitement des données, elles peuvent également être stockées dans Amazon S3 ou Amazon DocumentDB (avec compatibilité MongoDB).
11. Une fonction Lambda appelle l'API Amazon Textract DetectDocument pour analyser les données tabulaires des documents sources et stocke les données extraites dans DynamoDB.
12. Une fonction Lambda traite les données en fonction des règles de mappage stockées dans une table DynamoDB.
13. Une fonction Lambda appelle les bibliothèques d'invites et une série d'actions utilisant l'IA générative avec un grand modèle de langage hébergé via Amazon Sage Maker pour la synthèse des données.
14. La fonction Lambda de rédaction de documents écrit un document consolidé dans un dossier traité S3.
15. La fonction Lambda de rappel de tâche récupère les détails de la connexion de rappel de la table DynamoDB, en transmettant l'ID de tâche. Ensuite, la fonction Lambda effectue un rappel vers le point de terminaison WebSocket et fournit le lien du document traité depuis Amazon S3.
16. Une fonction Lambda supprime le message de la file d'attente SQS afin qu'il ne soit pas retraité.
17. Un module Web générateur de documents convertit les données JSON en un document Microsoft Word, les enregistre et restitue le document traité sur le navigateur Web.
18. L'utilisateur peut afficher, modifier et enregistrer les documents dans le compartiment S3 à partir du module Web. Cela facilite les révisions et les corrections nécessaires, le cas échéant.

La solution utilise également des notebooks SageMaker (étiquetés T dans l'architecture précédente) pour effectuer l'adaptation de domaine, affiner les modèles et déployer les points de terminaison SageMaker.

Conclusion

Dans cet article, nous avons montré comment Accenture utilise les services d'IA générative d'AWS pour mettre en œuvre une approche de bout en bout vers une solution de création de documents réglementaires. Cette solution, lors des premiers tests, a démontré une réduction de 60 à 65 % du temps requis pour la création de CTD. Nous avons identifié les lacunes des plates-formes de réglementation réglementaires traditionnelles et augmenté l'intelligence générative dans son cadre pour des temps de réponse plus rapides, et améliorons continuellement le système tout en interagissant avec les utilisateurs du monde entier. Contactez l’équipe du Centre d’excellence Accenture pour approfondir la solution et la déployer pour vos clients.

Ce programme commun axé sur l'IA générative contribuera à augmenter le délai de rentabilisation pour les clients communs d'Accenture et d'AWS. Cet effort s'appuie sur la relation stratégique de 15 ans entre les entreprises et utilise les mêmes mécanismes et accélérateurs éprouvés construits par le Groupe d'affaires Accenture AWS (AABG).

Connectez-vous avec l'équipe AABG à accentureaws@amazon.com pour générer des résultats commerciaux en vous transformant en une entreprise de données intelligente sur AWS.

Pour plus d'informations sur l'IA générative sur AWS à l'aide de Socle amazonien ou SageMaker, reportez-vous à IA générative sur AWS : technologie ainsi que Démarrez avec l'IA générative sur AWS à l'aide d'Amazon SageMaker JumpStart.

Vous pouvez aussi vous inscrivez-vous à la newsletter AWS sur l'IA générative, qui comprend des ressources pédagogiques, des blogs et des mises à jour de services.

À propos des auteurs

Ilan Geller est directeur général de la pratique Données et IA chez Accenture. Il est le responsable mondial des partenaires AWS pour les données et l'IA et le Center for Advanced AI. Ses rôles chez Accenture se sont principalement concentrés sur la conception, le développement et la fourniture de données complexes, d'IA/ML et, plus récemment, de solutions d'IA générative.

Shu Yu Yang est responsable de la fourniture de l'IA générative et de grands modèles linguistiques et dirige également les équipes du CoE (Centre d'excellence) Accenture AI (professionnel AWS DevOps).

Richa Gupta est architecte technologique chez Accenture, dirigeant divers projets d'IA. Elle possède plus de 18 ans d’expérience dans l’architecture de solutions évolutives d’IA et GenAI. Son domaine d'expertise porte sur l'architecture IA, les solutions Cloud et l'IA générative. Elle joue un rôle déterminant dans diverses activités de prévente.

Shikhar Kwatra est un architecte de solutions spécialisé AI/ML chez Amazon Web Services, travaillant avec un intégrateur de systèmes mondial de premier plan. Il a obtenu le titre de l'un des plus jeunes maîtres inventeurs indiens avec plus de 500 brevets dans les domaines AI/ML et IoT. Shikhar aide à l'architecture, à la création et à la maintenance d'environnements cloud rentables et évolutifs pour l'organisation, et aide le partenaire GSI à créer des solutions sectorielles stratégiques sur AWS. Shikhar aime jouer de la guitare, composer de la musique et pratiquer la pleine conscience pendant son temps libre.

Sachin Thakkar est architecte de solutions senior chez Amazon Web Services, travaillant avec un intégrateur de systèmes mondial (GSI) de premier plan. Il apporte plus de 23 années d'expérience en tant qu'architecte informatique et consultant technologique pour de grandes institutions. Son domaine d'intervention porte sur les données, l'analyse et l'IA générative. Sachin fournit des conseils architecturaux et soutient le partenaire GSI dans la création de solutions industrielles stratégiques sur AWS.

• Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
• PlatoData.Network Ai générative verticale. Autonomisez-vous. Accéder ici.
• PlatoAiStream. Intelligence Web3. Connaissance Amplifiée. Accéder ici.
• PlatonESG. Carbone, Technologie propre, Énergie, Environnement, Solaire, La gestion des déchets. Accéder ici.
• PlatoHealth. Veille biotechnologique et essais cliniques. Accéder ici.
• La source: https://aws.amazon.com/blogs/machine-learning/accenture-creates-a-regulatory-document-authoring-solution-using-aws-generative-ai-services/