제퍼넷 로고

생성 데이터 인텔리전스

AI

Accenture는 AWS 생성 AI 서비스를 사용하여 규제 문서 작성 솔루션을 만듭니다 | 아마존 웹 서비스

플라톤에 의해 재발행
플라톤에 의해 재발행

시간

조회 수 : 72

이 게시물은 Accenture의 Ilan Geller, Shuyu Yang 및 Richa Gupta와 공동으로 작성되었습니다.

혁신적인 신약을 시장에 출시하는 것은 길고 엄격한 과정입니다. 기업은 미국 식품의약국(FDA)과 같은 규제 기관의 복잡한 규정과 광범위한 승인 요구 사항에 직면해 있습니다. 제출 프로세스의 핵심 부분은 다음과 같은 규제 문서를 작성하는 것입니다. 공통 기술 문서 (CTD)는 FDA에 신청서, 수정안, 보충 자료 및 보고서를 제출하기 위한 포괄적인 표준 형식 문서입니다. 이 문서에는 약물 연구 및 테스트 과정에서 작성된 100개 이상의 매우 상세한 기술 보고서가 포함되어 있습니다. CTD를 수동으로 생성하는 것은 엄청나게 노동 집약적이며 일반적인 대형 제약 회사의 경우 연간 최대 100,000시간이 필요합니다. 수백 개의 문서를 편집하는 지루한 과정에서도 오류가 발생하기 쉽습니다.

Accenture 자동화된 기술을 사용하여 규제 문서 작성 솔루션을 구축했습니다. 생성 적 AI 이를 통해 연구자와 테스터는 CTD를 효율적으로 생산할 수 있습니다. 테스트 보고서에서 주요 데이터를 추출함으로써 시스템은 다음을 사용합니다. Amazon SageMaker 점프스타트 및 기타 AWS AI 서비스를 통해 적절한 형식으로 CTD를 생성할 수 있습니다. 이 혁신적인 접근 방식은 CTD 작성에 소요되는 시간과 노력을 단축합니다. 사용자는 제출하기 전에 컴퓨터에서 생성된 보고서를 신속하게 검토하고 조정할 수 있습니다.

관련된 데이터와 노력의 민감한 특성으로 인해 제약 회사에는 더 높은 수준의 제어, 보안 및 감사 가능성이 필요합니다. 이 솔루션은 AWS Well-Architected 원칙과 지침을 사용하여 제어, 보안 및 감사 가능성 요구 사항을 충족합니다. 사용자 친화적인 시스템은 보안을 위해 암호화를 사용합니다.

Accenture는 AWS 생성 AI를 활용하여 제약과 같은 규제 산업의 효율성을 혁신하는 것을 목표로 합니다. 번거로운 CTD 문서 프로세스를 자동화하면 신제품 승인이 가속화되므로 혁신적인 치료법이 환자에게 더 빨리 제공될 수 있습니다. AI는 큰 도약을 제공합니다.

이 게시물에서는 SageMaker JumpStart 및 기타 AWS 서비스를 사용한 규제 문서 작성을 위해 Accenture가 개발한 엔드 투 엔드 생성 AI 솔루션에 대한 개요를 제공합니다.

솔루션 개요

Accenture는 사용자가 생성된 콘텐츠를 검토하고 편집할 수 있는 유연성과 함께 필요한 형식으로 CTD 문서를 자동으로 생성하는 AI 기반 솔루션을 구축했습니다. 예비 값은 작성 시간이 40~45% 단축되는 것으로 추정됩니다.

이 생성적 AI 기반 솔루션은 테스트 프로세스의 일부로 생성된 기술 보고서에서 정보를 추출하고 중앙 관리 기관에서 요구하는 공통 형식으로 세부 서류를 제공합니다. 그런 다음 사용자는 필요한 경우 문서를 검토 및 편집하고 이를 중앙 관리 기관에 제출합니다. 이 솔루션은 SageMaker JumpStart AI21 Jurassic Jumbo Instruct 및 AI21 Summarize 모델을 사용하여 문서를 추출하고 생성합니다.

다음 다이어그램은 솔루션 아키텍처를 보여줍니다.

워크플로는 다음 단계로 구성됩니다.

  1. 사용자는 컴퓨터 브라우저에서 규제 문서 작성 도구에 액세스합니다.
  2. React 애플리케이션은 다음에서 호스팅됩니다. AWS 증폭 사용자의 컴퓨터에서 액세스됩니다(DNS의 경우 아마존 경로 53).
  3. React 애플리케이션은 Amplify 인증 라이브러리를 사용하여 사용자가 인증되었는지 여부를 감지합니다.
  4. 아마존 코 그니 토 로컬 사용자 풀을 제공하거나 사용자의 Active Directory와 통합될 수 있습니다.
  5. 이 애플리케이션은 Amplify 라이브러리를 사용하여 아마존 단순 스토리지 서비스 (Amazon S3) 사용자가 제공한 문서를 Amazon S3에 업로드합니다.
  6. 애플리케이션은 작업 세부 정보(앱 생성 작업 ID 및 Amazon S3 소스 파일 위치)를 아마존 단순 대기열 서비스 (Amazon SQS) 대기열. Amazon SQS에서 반환한 메시지 ID를 캡처합니다. Amazon SQS는 내결함성 분리 아키텍처를 지원합니다. 작업을 처리하는 동안 백엔드 오류가 발생하더라도 Amazon SQS 내부에 작업 기록이 있으면 성공적인 재시도가 보장됩니다.
  7. 클라이언트는 이전 요청에서 반환된 작업 ID와 메시지 ID를 사용하여 웹소켓 API 작업 ID와 메시지 ID를 WebSocket 연결로 보냅니다.
  8. WebSocket은 AWS 람다 레코드를 생성하는 함수 아마존 DynamoDB. 레코드는 작업 ID(WebSocket)와 연결 ID 및 메시지 ID의 키-값 매핑입니다.
  9. SQS 대기열의 새 메시지로 또 다른 Lambda 함수가 트리거됩니다. Lambda 함수는 작업 ID를 읽고 AWS 단계 함수 데이터 파일 처리를 위한 워크플로입니다.
  10. Step Functions 상태 시스템은 Lambda 함수를 호출하여 소스 문서를 처리합니다. 함수 코드는 다음을 호출합니다. 아마존 텍사스 문서를 분석합니다. 응답 데이터는 DynamoDB에 저장됩니다. 데이터 처리에 대한 특정 요구 사항에 따라 Amazon S3 또는 Amazon DocumentDB(MongoDB 호환성 포함).
  11. Lambda 함수는 Amazon Textract API DetectDocument를 호출하여 소스 문서의 표 형식 데이터를 구문 분석하고 추출된 데이터를 DynamoDB에 저장합니다.
  12. Lambda 함수는 DynamoDB 테이블에 저장된 매핑 규칙을 기반으로 데이터를 처리합니다.
  13. Lambda 함수는 다음을 통해 호스팅되는 대규모 언어 모델과 함께 생성 AI를 사용하여 프롬프트 라이브러리와 일련의 작업을 호출합니다. 아마존 세이지 메이커 데이터 요약을 위해.
  14. 문서 작성기 Lambda 함수는 S3 처리 폴더에 통합 문서를 작성합니다.
  15. 작업 콜백 Lambda 함수는 DynamoDB 테이블에서 콜백 연결 세부 정보를 검색하여 작업 ID를 전달합니다. 그런 다음 Lambda 함수는 WebSocket 엔드포인트에 대한 콜백을 만들고 Amazon S3에서 처리된 문서 링크를 제공합니다.
  16. Lambda 함수는 메시지가 재처리되지 않도록 SQS 대기열에서 메시지를 삭제합니다.
  17. 문서 생성기 웹 모듈은 JSON 데이터를 Microsoft Word 문서로 변환하고 저장한 후 처리된 문서를 웹 브라우저에 렌더링합니다.
  18. 사용자는 웹 모듈에서 문서를 보고, 편집하고, S3 버킷에 다시 저장할 수 있습니다. 이는 필요한 경우 검토 및 수정에 도움이 됩니다.

또한 이 솔루션은 SageMaker 노트북(이전 아키텍처에서 T로 표시됨)을 사용하여 도메인 적응을 수행하고, 모델을 미세 조정하고, SageMaker 엔드포인트를 배포합니다.

결론

이 게시물에서는 Accenture가 AWS 생성 AI 서비스를 사용하여 규제 문서 작성 솔루션에 대한 엔드투엔드 접근 방식을 구현하는 방법을 소개했습니다. 초기 테스트에서 이 솔루션은 CTD 작성에 필요한 시간을 60~65% 단축하는 것으로 나타났습니다. 우리는 더 빠른 응답 시간을 위해 기존 규제 관리 플랫폼과 해당 프레임워크 내에서 증강된 생성 지능의 격차를 확인했으며 전 세계 사용자와 소통하면서 시스템을 지속적으로 개선하고 있습니다. 솔루션에 대해 더 자세히 알아보고 고객을 위해 배포하려면 Accenture Center of Excellence 팀에 문의하세요.

생성 AI에 초점을 맞춘 이 공동 프로그램은 Accenture와 AWS의 공동 고객이 가치 실현 시간을 단축하는 데 도움이 될 것입니다. 이러한 노력은 회사 간의 15년간의 전략적 관계를 기반으로 하며, Accenture AWS 비즈니스 그룹 (AABG).

다음에서 AABG 팀에 문의하세요. accessureaws@amazon.com AWS에서 지능형 데이터 기업으로 전환하여 비즈니스 성과를 창출합니다.

AWS의 생성 AI에 대한 자세한 내용은 다음을 사용하십시오. 아마존 기반암 또는 SageMaker를 참조하세요. AWS 기반 생성 AI: 기술 과 Amazon SageMaker JumpStart를 사용하여 AWS에서 생성 AI 시작하기.

당신은 또한 수 AWS 생성 AI 뉴스레터에 가입하세요, 여기에는 교육 리소스, 블로그 및 서비스 업데이트가 포함됩니다.

저자에 관하여

일란 겔러 Accenture의 데이터 및 AI 사업부 전무이사입니다. 그는 데이터 및 AI 분야의 글로벌 AWS 파트너 리드이자 고급 AI 센터입니다. Accenture에서 그의 역할은 주로 복잡한 데이터, AI/ML 및 가장 최근의 Generative AI 솔루션의 설계, 개발 및 제공에 중점을 두었습니다.

양슈유 Generative AI 및 대규모 언어 모델 제공 책임자이자 CoE(Center of Excellence) Accenture AI(AWS DevOps 전문가) 팀을 이끌고 있습니다.

리차 굽타 Accenture의 기술 설계자로 다양한 AI 프로젝트를 이끌고 있습니다. 그녀는 Scalable AI 및 GenAI 솔루션 설계 분야에서 18년 이상의 경험을 갖고 있습니다. 그녀의 전문 분야는 AI 아키텍처, 클라우드 솔루션, Generative AI입니다. 그녀는 다양한 사전 판매 활동에서 중요한 역할을 담당합니다.

시카르 콰트라 Amazon Web Services의 AI/ML 전문 솔루션 아키텍트이며 선도적인 글로벌 시스템 통합업체와 협력하고 있습니다. 그는 AI/ML 및 IoT 도메인에서 500개 이상의 특허를 보유한 최연소 인도 마스터 발명가 중 한 명이라는 칭호를 얻었습니다. Shikhar는 조직을 위한 비용 효율적이고 확장 가능한 클라우드 환경의 설계, 구축 및 유지를 돕고 GSI 파트너가 AWS에서 전략적 산업 솔루션을 구축하도록 지원합니다. Shikhar는 여가 시간에 기타 연주, 작곡, 마음챙김 연습을 즐깁니다.

사친 타카르 Amazon Web Services의 수석 솔루션 설계자로서 선도적인 GSI(Global System Integrator)와 협력하고 있습니다. 그는 IT 설계자 및 대규모 기관의 기술 컨설턴트로서 23년 이상의 경험을 보유하고 있습니다. 그의 중점 분야는 데이터, 분석 및 생성 AI입니다. Sachin은 아키텍처 지침을 제공하고 AWS에서 전략적 산업 솔루션을 구축하는 데 GSI 파트너를 지원합니다.

spot_img

최신 인텔리전스

spot_img

저작권 @ 2024 Plato Technologies Inc.