Questo post è stato scritto in collaborazione con Ilan Geller, Shuyu Yang e Richa Gupta di Accenture.

L’immissione sul mercato di nuovi farmaci innovativi è un processo lungo e impegnativo. Le aziende si trovano ad affrontare normative complesse e requisiti di approvazione estesi da parte di organi governativi come la Food and Drug Administration (FDA) statunitense. Una parte fondamentale del processo di invio è la creazione di documenti normativi come il Documento tecnico comune (CTD), un documento in formato standard completo per la presentazione di domande, modifiche, supplementi e rapporti alla FDA. Questo documento contiene oltre 100 rapporti tecnici altamente dettagliati creati durante il processo di ricerca e test sui farmaci. La creazione manuale di CTD è incredibilmente dispendiosa in termini di manodopera e richiede fino a 100,000 ore all'anno per una tipica azienda farmaceutica di grandi dimensioni. Anche il noioso processo di compilazione di centinaia di documenti è soggetto a errori.

Accenture ha creato una soluzione di creazione di documenti normativi utilizzando l'automazione IA generativa che consente a ricercatori e tester di produrre CTD in modo efficiente. Estraendo i dati chiave dai rapporti di test, il sistema utilizza JumpStart di Amazon SageMaker e altri servizi AI di AWS per generare CTD nel formato corretto. Questo approccio rivoluzionario comprime il tempo e gli sforzi spesi per la creazione di CTD. Gli utenti possono rivedere e modificare rapidamente i report generati dal computer prima dell'invio.

A causa della natura sensibile dei dati e degli sforzi coinvolti, le aziende farmaceutiche necessitano di un livello più elevato di controllo, sicurezza e verificabilità. Questa soluzione si basa sui principi e sulle linee guida AWS Well-Architected per soddisfare i requisiti di controllo, sicurezza e verificabilità. Il sistema intuitivo utilizza anche la crittografia per la sicurezza.

Sfruttando l'intelligenza artificiale generativa di AWS, Accenture mira a trasformare l'efficienza dei settori regolamentati come quello farmaceutico. L'automazione del frustrante processo documentale CTD accelera l'approvazione di nuovi prodotti in modo che i trattamenti innovativi possano arrivare ai pazienti più velocemente. L’intelligenza artificiale compie un grande passo avanti.

Questo post fornisce una panoramica di una soluzione di intelligenza artificiale generativa end-to-end sviluppata da Accenture per la creazione di documenti normativi utilizzando SageMaker JumpStart e altri servizi AWS.

Panoramica della soluzione

Accenture ha creato una soluzione basata sull'intelligenza artificiale che genera automaticamente un documento CTD nel formato richiesto, offrendo agli utenti la flessibilità di rivedere e modificare il contenuto generato. Il valore preliminare è stimato in una riduzione del 40–45% del tempo di creazione.

Questa soluzione generativa basata sull'intelligenza artificiale estrae informazioni dai rapporti tecnici prodotti come parte del processo di test e fornisce il dossier dettagliato in un formato comune richiesto dagli organi di governo centrali. Gli utenti quindi rivedono e modificano i documenti, ove necessario, e inviano gli stessi agli organi di governo centrali. Questa soluzione utilizza i modelli SageMaker JumpStart AI21 Jurassic Jumbo Instruct e AI21 Summarize per estrarre e creare i documenti.

Il diagramma seguente illustra l'architettura della soluzione.

Il flusso di lavoro è costituito dai seguenti passaggi:

1. Un utente accede allo strumento di creazione di documenti normativi dal browser del proprio computer.
2. È ospitata un'applicazione React AWS Amplifica ed è accessibile dal computer dell'utente (per DNS, utilizzare Amazon percorso 53).
3. L'applicazione React utilizza la libreria di autenticazione Amplify per rilevare se l'utente è autenticato.
4. Amazzonia Cognito fornisce un pool di utenti locali o può essere federato con la directory attiva dell'utente.
5. L'applicazione utilizza le librerie Amplify per Servizio di archiviazione semplice Amazon (Amazon S3) e carica i documenti forniti dagli utenti su Amazon S3.
6. L'applicazione scrive i dettagli del lavoro (ID lavoro generato dall'app e percorso del file di origine Amazon S3) in un file Servizio Amazon Simple Queue (Amazon SQS). Cattura l'ID del messaggio restituito da Amazon SQS. Amazon SQS consente un'architettura disaccoppiata con tolleranza agli errori. Anche se si verificano alcuni errori di backend durante l'elaborazione di un lavoro, avere un record di lavoro all'interno di Amazon SQS garantirà nuovi tentativi con successo.
7. Utilizzando l'ID lavoro e l'ID messaggio restituiti dalla richiesta precedente, il client si connette al file API WebSocket e invia l'ID lavoro e l'ID messaggio alla connessione WebSocket.
8. Il WebSocket attiva un AWS Lambda funzione, che crea un record in Amazon DynamoDB. Il record è una mappatura di valori-chiave dell'ID lavoro (WebSocket) con l'ID connessione e l'ID messaggio.
9. Un'altra funzione Lambda viene attivata con un nuovo messaggio nella coda SQS. La funzione Lambda legge l'ID lavoro e invoca un Funzioni AWS Step flusso di lavoro per l'elaborazione dei file di dati.
10. La macchina a stati Step Functions richiama una funzione Lambda per elaborare i documenti di origine. Il codice della funzione richiama Testo Amazon per analizzare i documenti. I dati di risposta vengono archiviati in DynamoDB. In base alle esigenze specifiche con l'elaborazione dei dati, questi possono essere archiviati anche in Amazon S3 o Amazon DocumentDB (con compatibilità MongoDB).
11. Una funzione Lambda richiama l'API DetectDocument di Amazon Textract per analizzare i dati tabulari dai documenti di origine e archivia i dati estratti in DynamoDB.
12. Una funzione Lambda elabora i dati in base alle regole di mappatura archiviate in una tabella DynamoDB.
13. Una funzione Lambda richiama le librerie di prompt e una serie di azioni utilizzando l'intelligenza artificiale generativa con un modello linguistico di grandi dimensioni ospitato tramite Amazon Sage Maker per il riepilogo dei dati.
14. La funzione Lambda di scrittura documenti scrive un documento consolidato in una cartella elaborata S3.
15. La funzione Lambda di callback del lavoro recupera i dettagli della connessione di callback dalla tabella DynamoDB, passando l'ID del lavoro. Quindi la funzione Lambda effettua una richiamata all'endpoint WebSocket e fornisce il collegamento al documento elaborato da Amazon S3.
16. Una funzione Lambda elimina il messaggio dalla coda SQS in modo che non venga rielaborato.
17. Un modulo Web del generatore di documenti converte i dati JSON in un documento Microsoft Word, lo salva ed esegue il rendering del documento elaborato nel browser Web.
18. L'utente può visualizzare, modificare e salvare i documenti nel bucket S3 dal modulo web. Questo aiuta nelle revisioni e nelle correzioni necessarie, se presenti.

La soluzione utilizza inoltre i notebook SageMaker (etichettati T nell'architettura precedente) per eseguire l'adattamento del dominio, ottimizzare i modelli e distribuire gli endpoint SageMaker.

Conclusione

In questo post, abbiamo mostrato come Accenture utilizza i servizi di intelligenza artificiale generativa di AWS per implementare un approccio end-to-end verso una soluzione di creazione di documenti normativi. Questa soluzione nei primi test ha dimostrato una riduzione del 60-65% del tempo richiesto per la creazione di CTD. Abbiamo identificato le lacune nelle tradizionali piattaforme di governance normativa e abbiamo aumentato l'intelligenza generativa all'interno della sua struttura per tempi di risposta più rapidi e stiamo migliorando continuamente il sistema interagendo con gli utenti di tutto il mondo. Rivolgiti al team dell'Accenture Center of Excellence per approfondire la soluzione e implementarla per i tuoi clienti.

Questo programma congiunto incentrato sull’intelligenza artificiale generativa contribuirà ad aumentare il time-to-value per i clienti congiunti di Accenture e AWS. Lo sforzo si basa sulla relazione strategica quindicennale tra le aziende e utilizza gli stessi meccanismi e acceleratori collaudati costruiti dal Gruppo aziendale Accenture AWS (AABG).

Connettiti con il team AABG all'indirizzo accentureaws@amazon.com per ottenere risultati aziendali trasformandosi in un'impresa di dati intelligente su AWS.

Per ulteriori informazioni sull'intelligenza artificiale generativa su AWS utilizzando Roccia Amazzonica o SageMaker, fare riferimento a IA generativa su AWS: tecnologia ed Inizia con l'IA generativa su AWS utilizzando Amazon SageMaker JumpStart.

Puoi anche iscriviti alla newsletter sull'intelligenza artificiale generativa di AWS, che include risorse didattiche, blog e aggiornamenti del servizio.

Informazioni sugli autori

Ilan Geller è amministratore delegato della divisione Dati e intelligenza artificiale presso Accenture. È il Global AWS Partner Lead for Data and AI e il Center for Advanced AI. I suoi ruoli in Accenture si sono concentrati principalmente sulla progettazione, sviluppo e fornitura di dati complessi, AI/ML e, più recentemente, soluzioni di AI generativa.

Shuyu Yang è Generative AI e Large Language Model Delivery Lead e guida anche i team CoE (Centro di Eccellenza) Accenture AI (AWS DevOps professional).

Richa Gupta è un Technology Architect presso Accenture, alla guida di vari progetti di intelligenza artificiale. Ha oltre 18 anni di esperienza nella progettazione di soluzioni AI scalabili e GenAI. La sua area di competenza riguarda l'architettura AI, le soluzioni cloud e l'intelligenza artificiale generativa. Svolge un ruolo strumentale in varie attività di prevendita.

Shikhar Kwatra è un AI/ML Specialist Solutions Architect presso Amazon Web Services, che lavora con uno dei principali integratori di sistemi globali. Si è guadagnato il titolo di uno dei più giovani maestri inventori indiani con oltre 500 brevetti nei domini AI/ML e IoT. Shikhar aiuta a progettare, costruire e mantenere ambienti cloud scalabili ed economici per l'organizzazione e supporta il partner GSI nella creazione di soluzioni di settore strategiche su AWS. A Shikhar piace suonare la chitarra, comporre musica e praticare la consapevolezza nel tempo libero.

Sachin Thakkar è un Senior Solutions Architect presso Amazon Web Services e collabora con un importante Global System Integrator (GSI). Porta con sé oltre 23 anni di esperienza come architetto IT e come consulente tecnologico per grandi istituzioni. La sua area di interesse riguarda dati, analisi e intelligenza artificiale generativa. Sachin fornisce indicazioni sull'architettura e supporta il partner GSI nella creazione di soluzioni di settore strategiche su AWS.

• Distribuzione di contenuti basati su SEO e PR. Ricevi amplificazione oggi.
• PlatoData.Network Generativo verticale Ai. Potenzia te stesso. Accedi qui.
• PlatoAiStream. Intelligenza Web3. Conoscenza amplificata. Accedi qui.
• PlatoneESG. Carbonio, Tecnologia pulita, Energia, Ambiente, Solare, Gestione dei rifiuti. Accedi qui.
• Platone Salute. Intelligence sulle biotecnologie e sulle sperimentazioni cliniche. Accedi qui.
• Fonte: https://aws.amazon.com/blogs/machine-learning/accenture-creates-a-regulatory-document-authoring-solution-using-aws-generative-ai-services/