Dit bericht is geschreven in samenwerking met Ilan Geller, Shuyu Yang en Richa Gupta van Accenture.

Het op de markt brengen van innovatieve nieuwe farmaceutische geneesmiddelen is een lang en nauwgezet proces. Bedrijven worden geconfronteerd met complexe regelgeving en uitgebreide goedkeuringsvereisten van bestuursorganen zoals de Amerikaanse Food and Drug Administration (FDA). Een belangrijk onderdeel van het indieningsproces is het opstellen van regelgevingsdocumenten zoals de Gemeenschappelijk technisch document (CTD), een uitgebreid standaarddocument voor het indienen van aanvragen, wijzigingen, aanvullingen en rapporten bij de FDA. Dit document bevat meer dan 100 zeer gedetailleerde technische rapporten die zijn opgesteld tijdens het proces van geneesmiddelenonderzoek en -testen. Het handmatig aanmaken van CTD's is ongelooflijk arbeidsintensief en vergt voor een typisch groot farmaceutisch bedrijf tot wel 100,000 uur per jaar. Het moeizame proces van het samenstellen van honderden documenten is ook gevoelig voor fouten.

Accenture bouwde een oplossing voor het schrijven van regelgevende documenten met behulp van automatisering generatieve AI waarmee onderzoekers en testers CTD's efficiënt kunnen produceren. Door belangrijke gegevens uit testrapporten te halen, gebruikt het systeem Amazon SageMaker JumpStart en andere AWS AI-services om CTD's in het juiste formaat te genereren. Deze revolutionaire aanpak vermindert de tijd en moeite die wordt besteed aan het schrijven van CTD's. Gebruikers kunnen de door de computer gegenereerde rapporten snel bekijken en aanpassen voordat ze worden verzonden.

Vanwege de gevoelige aard van de gegevens en de inspanningen die ermee gepaard gaan, hebben farmaceutische bedrijven behoefte aan een hoger niveau van controle, beveiliging en controleerbaarheid. Deze oplossing is gebaseerd op de AWS Well-Architected-principes en -richtlijnen om de vereisten op het gebied van controle, beveiliging en controleerbaarheid mogelijk te maken. Het gebruiksvriendelijke systeem maakt ook gebruik van encryptie voor de veiligheid.

Door gebruik te maken van generatieve AI van AWS wil Accenture de efficiëntie transformeren voor gereguleerde industrieën zoals de farmaceutische sector. Het automatiseren van het frustrerende CTD-documentproces versnelt de goedkeuring van nieuwe producten, zodat innovatieve behandelingen sneller bij patiënten terecht kunnen komen. AI zorgt voor een grote sprong voorwaarts.

Dit bericht biedt een overzicht van een end-to-end generatieve AI-oplossing ontwikkeld door Accenture voor het schrijven van regelgevingsdocumenten met behulp van SageMaker JumpStart en andere AWS-services.

Overzicht oplossingen

Accenture heeft een op AI gebaseerde oplossing gebouwd die automatisch een CTD-document in het vereiste formaat genereert, samen met de flexibiliteit voor gebruikers om de gegenereerde inhoud te bekijken en te bewerken. De voorlopige waarde wordt geschat op een reductie van de schrijftijd met 40-45%.

Deze generatieve, op AI gebaseerde oplossing haalt informatie uit de technische rapporten die zijn geproduceerd als onderdeel van het testproces en levert het gedetailleerde dossier af in een gemeenschappelijk formaat dat vereist is door de centrale bestuursorganen. Gebruikers beoordelen en bewerken vervolgens de documenten, waar nodig, en leggen deze voor aan de centrale bestuursorganen. Deze oplossing maakt gebruik van de SageMaker JumpStart AI21 Jurassic Jumbo Instruct- en AI21 Summarize-modellen om de documenten te extraheren en te maken.

Het volgende diagram illustreert de oplossingsarchitectuur.

De workflow bestaat uit de volgende stappen:

1. Een gebruiker heeft vanuit zijn computerbrowser toegang tot de tool voor het schrijven van regelgevingsdocumenten.
2. Een React-applicatie wordt gehost op AWS versterken en is toegankelijk vanaf de computer van de gebruiker (voor DNS gebruikt u Amazon Route 53).
3. De React-applicatie gebruikt de Amplify-authenticatiebibliotheek om te detecteren of de gebruiker is geverifieerd.
4. Amazon Cognito biedt een lokale gebruikerspool of kan worden gecombineerd met de actieve map van de gebruiker.
5. De applicatie maakt gebruik van de Amplify-bibliotheken voor Amazon eenvoudige opslagservice (Amazon S3) en uploadt door gebruikers verstrekte documenten naar Amazon S3.
6. De applicatie schrijft de taakdetails (door de app gegenereerde taak-ID en de locatie van het Amazon S3-bronbestand) naar een Amazon Simple Queue-service (Amazon SQS) wachtrij. Het legt de bericht-ID vast die wordt geretourneerd door Amazon SQS. Amazon SQS maakt een fouttolerante ontkoppelde architectuur mogelijk. Zelfs als er enkele backend-fouten optreden tijdens het verwerken van een taak, zorgt het hebben van een taakrecord binnen Amazon SQS voor succesvolle nieuwe pogingen.
7. Met behulp van de taak-ID en bericht-ID die door het vorige verzoek zijn geretourneerd, maakt de client verbinding met de WebSocket-API en verzendt de taak-ID en bericht-ID naar de WebSocket-verbinding.
8. De WebSocket activeert een AWS Lambda functie, waarmee een record wordt gemaakt Amazon DynamoDB. De record is een sleutelwaardetoewijzing van de taak-ID (WebSocket) met de verbindings-ID en bericht-ID.
9. Een andere Lambda-functie wordt geactiveerd met een nieuw bericht in de SQS-wachtrij. De Lambda-functie leest de taak-ID en roept een AWS Stap Functies workflow voor het verwerken van gegevensbestanden.
10. De Step Functions-statusmachine roept een Lambda-functie aan om de brondocumenten te verwerken. De functiecode wordt aangeroepen Amazon T-extract om de documenten te analyseren. De antwoordgegevens worden opgeslagen in DynamoDB. Op basis van specifieke vereisten bij de verwerking van gegevens kunnen deze ook worden opgeslagen in Amazon S3 of Amazon DocumentDB (met MongoDB-compatibiliteit).
11. Een Lambda-functie roept de Amazon Textract API DetectDocument aan om tabelgegevens uit brondocumenten te parseren en geëxtraheerde gegevens op te slaan in DynamoDB.
12. Een Lambda-functie verwerkt de gegevens op basis van toewijzingsregels die zijn opgeslagen in een DynamoDB-tabel.
13. Een Lambda-functie roept de promptbibliotheken en een reeks acties op met behulp van generatieve AI met een groot taalmodel als host Amazon Sage Maker voor het samenvatten van gegevens.
14. De Lambda-functie van de documentschrijver schrijft een geconsolideerd document in een door S3 verwerkte map.
15. De job callback Lambda-functie haalt de callback-verbindingsdetails op uit de DynamoDB-tabel, waarbij de taak-ID wordt doorgegeven. Vervolgens belt de Lambda-functie terug naar het WebSocket-eindpunt en levert de verwerkte documentlink van Amazon S3.
16. Een Lambda-functie verwijdert het bericht uit de SQS-wachtrij, zodat het niet opnieuw wordt verwerkt.
17. Een webmodule voor documentgenerator converteert de JSON-gegevens naar een Microsoft Word-document, slaat deze op en geeft het verwerkte document weer in de webbrowser.
18. De gebruiker kan de documenten vanuit de webmodule bekijken, bewerken en opslaan in de S3-bucket. Dit helpt bij eventuele beoordelingen en correcties.

De oplossing maakt ook gebruik van SageMaker-notebooks (met het label T in de voorgaande architectuur) om domeinaanpassingen uit te voeren, de modellen te verfijnen en de SageMaker-eindpunten te implementeren.

Conclusie

In dit bericht hebben we laten zien hoe Accenture generatieve AI-services van AWS gebruikt om een ​​end-to-end-aanpak te implementeren voor een oplossing voor het schrijven van regelgevende documenten. Deze oplossing heeft bij vroege tests een reductie van 60-65% aangetoond in de tijd die nodig is voor het schrijven van CTD's. We hebben de hiaten in de traditionele regelgevende platforms geïdentificeerd en de generatieve intelligentie binnen het raamwerk ervan verbeterd voor snellere responstijden. We zijn het systeem voortdurend aan het verbeteren terwijl we in gesprek zijn met gebruikers over de hele wereld. Neem contact op met het Accenture Center of Excellence-team om dieper in de oplossing te duiken en deze voor uw klanten te implementeren.

Dit gezamenlijke programma gericht op generatieve AI zal de time-to-value voor gezamenlijke klanten van Accenture en AWS helpen vergroten. De inspanning bouwt voort op de 15-jarige strategische relatie tussen de bedrijven en maakt gebruik van dezelfde bewezen mechanismen en versnellers die zijn gebouwd door de Accenture AWS-bedrijfsgroep (AABG).

Maak contact met het AABG-team op accentureaws@amazon.com om bedrijfsresultaten te stimuleren door te transformeren naar een intelligente data-onderneming op AWS.

Voor meer informatie over het gebruik van generatieve AI op AWS Amazonebodem of SageMaker, zie Generatieve AI op AWS: technologie en Ga aan de slag met generatieve AI op AWS met behulp van Amazon SageMaker JumpStart.

Ook meld u aan voor de AWS generatieve AI-nieuwsbrief, inclusief educatieve bronnen, blogs en service-updates.

Over de auteurs

Ilan Geller is Managing Director in de Data- en AI-praktijk bij Accenture. Hij is de Global AWS Partner Lead for Data and AI en het Center for Advanced AI. Zijn rollen bij Accenture waren voornamelijk gericht op het ontwerp, de ontwikkeling en levering van complexe data, AI/ML en meest recentelijk Generatieve AI-oplossingen.

Shuyu Yang is Genative AI and Large Language Model Delivery Lead en leidt ook CoE (Center of Excellence) Accenture AI (AWS DevOps professional) teams.

Richa Gupta is een technologiearchitect bij Accenture en leidt verschillende AI-projecten. Ze heeft meer dan 18 jaar ervaring in het ontwerpen van schaalbare AI- en GenAI-oplossingen. Haar expertisegebied ligt op het gebied van AI-architectuur, Cloud Solutions en Generatieve AI. Ze speelt een belangrijke rol in verschillende presalesactiviteiten.

Shikhar Kwatra is een AI/ML Specialist Solutions Architect bij Amazon Web Services en werkt samen met een toonaangevende Global System Integrator. Hij heeft de titel verdiend van een van de jongste Indiase meester-uitvinders met meer dan 500 patenten op het gebied van AI/ML en IoT. Shikhar helpt bij het ontwerpen, bouwen en onderhouden van kostenefficiënte, schaalbare cloudomgevingen voor de organisatie, en ondersteunt de GSI-partner bij het bouwen van strategische brancheoplossingen op AWS. Shikhar speelt graag gitaar, componeert muziek en beoefent in zijn vrije tijd mindfulness.

Sachin Thakkar is een Senior Solutions Architect bij Amazon Web Services en werkt samen met een toonaangevende Global System Integrator (GSI). Hij brengt ruim 23 jaar ervaring mee als IT Architect en als Technology Consultant voor grote instellingen. Zijn focusgebied ligt op data, analytics en generatieve AI. Sachin biedt architectonische begeleiding en ondersteunt de GSI-partner bij het bouwen van strategische brancheoplossingen op AWS.

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
• Bron: https://aws.amazon.com/blogs/machine-learning/accenture-creates-a-regulatory-document-authoring-solution-using-aws-generative-ai-services/