Ten post został napisany wspólnie z Ilanem Gellerem, Shuyu Yangiem i Richą Guptą z Accenture.

Wprowadzanie na rynek innowacyjnych, nowych leków farmaceutycznych to długi i rygorystyczny proces. Firmy borykają się ze złożonymi przepisami i rozległymi wymogami dotyczącymi zezwoleń ze strony organów zarządzających, takich jak amerykańska Agencja ds. Żywności i Leków (FDA). Kluczową częścią procesu składania wniosków jest tworzenie dokumentów regulacyjnych, takich jak Wspólny dokument techniczny (CTD), kompleksowy dokument w standardowym formacie umożliwiający składanie wniosków, poprawek, uzupełnień i raportów do FDA. Dokument ten zawiera ponad 100 bardzo szczegółowych raportów technicznych powstałych w procesie badań i testowania leków. Ręczne tworzenie CTD jest niezwykle pracochłonne i wymaga do 100,000 XNUMX godzin rocznie w typowej dużej firmie farmaceutycznej. Żmudny proces kompilacji setek dokumentów również jest podatny na błędy.

Accenture zbudował rozwiązanie do tworzenia dokumentów regulacyjnych przy użyciu zautomatyzowanego rozwiązania generatywna sztuczna inteligencja co umożliwia badaczom i testerom efektywne tworzenie CTD. Wydobywając kluczowe dane z raportów z testów, system wykorzystuje Amazon SageMaker JumpStart i inne usługi AWS AI w celu wygenerowania CTD w odpowiednim formacie. To rewolucyjne podejście skraca czas i wysiłek poświęcony na tworzenie CTD. Użytkownicy mogą szybko przeglądać i dostosowywać raporty wygenerowane komputerowo przed przesłaniem.

Ze względu na wrażliwy charakter danych i związany z nimi wysiłek firmy farmaceutyczne potrzebują wyższego poziomu kontroli, bezpieczeństwa i możliwości audytu. Rozwiązanie to opiera się na zasadach i wytycznych AWS Well-Architected, aby umożliwić spełnienie wymagań dotyczących kontroli, bezpieczeństwa i możliwości audytu. Przyjazny dla użytkownika system wykorzystuje również szyfrowanie dla bezpieczeństwa.

Wykorzystując generatywną sztuczną inteligencję AWS, Accenture ma na celu zwiększenie wydajności branż regulowanych, takich jak farmaceutyka. Automatyzacja frustrującego procesu tworzenia dokumentów CTD przyspiesza zatwierdzanie nowych produktów, dzięki czemu innowacyjne metody leczenia mogą szybciej docierać do pacjentów. Sztuczna inteligencja zapewnia ogromny krok naprzód.

Ten post zawiera przegląd kompleksowego rozwiązania generatywnej sztucznej inteligencji opracowanego przez Accenture do tworzenia dokumentów regulacyjnych przy użyciu SageMaker JumpStart i innych usług AWS.

Omówienie rozwiązania

Accenture stworzyło rozwiązanie oparte na sztucznej inteligencji, które automatycznie generuje dokument CTD w wymaganym formacie, zapewniając użytkownikom elastyczność przeglądania i edytowania wygenerowanej treści. Wstępną wartość szacuje się na skrócenie czasu tworzenia o 40–45%.

To generatywne rozwiązanie oparte na sztucznej inteligencji wyodrębnia informacje z raportów technicznych tworzonych w ramach procesu testowania i dostarcza szczegółową dokumentację we wspólnym formacie wymaganym przez centralne organy zarządzające. Następnie użytkownicy przeglądają i edytują dokumenty, jeśli jest to konieczne, i przekazują je centralnym organom zarządzającym. To rozwiązanie wykorzystuje modele SageMaker JumpStart AI21 Jurassic Jumbo Instruct i AI21 Summarize do wyodrębniania i tworzenia dokumentów.

Poniższy schemat ilustruje architekturę rozwiązania.

Przepływ pracy składa się z następujących kroków:

1. Użytkownik uzyskuje dostęp do narzędzia do tworzenia dokumentów regulacyjnych za pośrednictwem przeglądarki komputera.
2. Aplikacja React jest hostowana na Wzmocnienie AWS i jest dostępny z komputera użytkownika (w przypadku DNS użyj Amazon trasy 53).
3. Aplikacja React wykorzystuje bibliotekę uwierzytelniania Amplify do wykrywania, czy użytkownik jest uwierzytelniony.
4. Amazon Cognito udostępnia lokalną pulę użytkowników lub może być stowarzyszony z aktywnym katalogiem użytkownika.
5. Aplikacja wykorzystuje biblioteki Amplify do Usługa Amazon Simple Storage (Amazon S3) i przesyła dokumenty dostarczone przez użytkowników do Amazon S3.
6. Aplikacja zapisuje szczegóły zadania (wygenerowany przez aplikację identyfikator zadania i lokalizację pliku źródłowego Amazon S3) w pliku Usługa Amazon Simple Queue (Amazon SQS) w kolejce. Przechwytuje identyfikator wiadomości zwrócony przez Amazon SQS. Amazon SQS umożliwia oddzielną architekturę odporną na błędy. Nawet jeśli podczas przetwarzania zadania wystąpią błędy zaplecza, posiadanie rekordu zadania w Amazon SQS zapewni pomyślne ponowne próby.
7. Korzystając z identyfikatora zadania i identyfikatora komunikatu zwróconego przez poprzednie żądanie, klient łączy się z Interfejs API WebSocket i wysyła identyfikator zadania i identyfikator komunikatu do połączenia WebSocket.
8. WebSocket wyzwala AWS Lambda funkcja, która tworzy rekord w Amazon DynamoDB. Rekord to mapowanie klucz-wartość identyfikatora zadania (WebSocket) z identyfikatorem połączenia i identyfikatorem komunikatu.
9. Kolejna funkcja Lambda zostaje wywołana wraz z pojawieniem się nowego komunikatu w kolejce SQS. Funkcja Lambda odczytuje identyfikator zadania i wywołuje funkcję Funkcje kroków AWS przepływ pracy podczas przetwarzania plików danych.
10. Maszyna stanu Step Functions wywołuje funkcję Lambda w celu przetworzenia dokumentów źródłowych. Kod funkcji wywołuje Ekstrakt z amazonki do analizy dokumentów. Dane odpowiedzi są przechowywane w DynamoDB. W zależności od konkretnych wymagań dotyczących przetwarzania danych, można je również przechowywać w Amazon S3 lub Amazon DocumentDB (z kompatybilnością MongoDB).
11. Funkcja Lambda wywołuje usługę Amazon Textract API DetectDocument w celu analizowania danych tabelarycznych z dokumentów źródłowych i zapisywania wyodrębnionych danych w DynamoDB.
12. Funkcja Lambda przetwarza dane w oparciu o reguły mapowania przechowywane w tabeli DynamoDB.
13. Funkcja Lambda wywołuje biblioteki podpowiedzi i serię działań wykorzystujących generatywną sztuczną inteligencję z dużym modelem językowym hostowanym przez Amazon Sage Maker do podsumowania danych.
14. Funkcja Lambda zapisująca dokument zapisuje skonsolidowany dokument w folderze przetworzonym S3.
15. Funkcja wywołania zwrotnego zadania Lambda pobiera szczegóły połączenia wywołania zwrotnego z tabeli DynamoDB, przekazując identyfikator zadania. Następnie funkcja Lambda wykonuje wywołanie zwrotne do punktu końcowego WebSocket i udostępnia przetworzone łącze do dokumentu z Amazon S3.
16. Funkcja Lambda usuwa wiadomość z kolejki SQS, dzięki czemu nie jest ona ponownie przetwarzana.
17. Moduł internetowy generatora dokumentów konwertuje dane JSON na dokument Microsoft Word, zapisuje go i renderuje przetworzony dokument w przeglądarce internetowej.
18. Użytkownik może przeglądać, edytować i zapisywać dokumenty z powrotem do segmentu S3 z modułu internetowego. Pomaga to w przeglądach i ewentualnych poprawkach.

Rozwiązanie wykorzystuje także notebooki SageMaker (oznaczone literą T w poprzedniej architekturze) do dostosowywania domeny, dostrajania modeli i wdrażania punktów końcowych SageMaker.

Wnioski

W tym poście pokazaliśmy, jak Accenture wykorzystuje usługi generatywnej sztucznej inteligencji AWS do wdrożenia kompleksowego podejścia do rozwiązania do tworzenia dokumentów regulacyjnych. To rozwiązanie we wczesnych testach wykazało skrócenie czasu potrzebnego na utworzenie CTD o 60–65%. Zidentyfikowaliśmy luki w tradycyjnych platformach regulacyjnych i w ich ramach rozszerzyliśmy inteligencję generatywną, aby skrócić czas reakcji, a także stale ulepszamy system, jednocześnie kontaktując się z użytkownikami na całym świecie. Skontaktuj się z zespołem Accenture Center of Excellence, aby głębiej poznać rozwiązanie i wdrożyć je u swoich klientów.

Ten wspólny program skupiający się na generatywnej sztucznej inteligencji pomoże wydłużyć czas uzyskiwania korzyści dla wspólnych klientów Accenture i AWS. Wysiłki opierają się na 15-letnich strategicznych relacjach pomiędzy firmami i wykorzystują te same sprawdzone mechanizmy i akceleratory zbudowane przez Grupa biznesowa Accenture AWS (AABG).

Połącz się z zespołem AABG pod adresem mazowieckie@amazon.com aby osiągać wyniki biznesowe poprzez transformację w inteligentne przedsiębiorstwo danych na platformie AWS.

Aby uzyskać więcej informacji na temat generatywnej sztucznej inteligencji w AWS przy użyciu Amazońska skała macierzysta lub SageMaker, patrz Generatywna sztuczna inteligencja w AWS: technologia i Rozpocznij pracę z generatywną sztuczną inteligencją w AWS za pomocą Amazon SageMaker JumpStart.

Możesz również zapisz się na biuletyn generatywnej AI AWS, która obejmuje zasoby edukacyjne, blogi i aktualizacje usług.

O autorach

Ilana Gellera jest dyrektorem zarządzającym praktyki danych i sztucznej inteligencji w Accenture. Jest globalnym partnerem AWS ds. danych i sztucznej inteligencji oraz Centrum Zaawansowanej Sztucznej Inteligencji. Jego role w Accenture skupiały się głównie na projektowaniu, opracowywaniu i dostarczaniu złożonych danych, sztucznej inteligencji/ML, a ostatnio rozwiązań generatywnej sztucznej inteligencji.

Shuyu Yang jest liderem generatywnej sztucznej inteligencji i dostarczania modeli wielkojęzykowych, a także kieruje zespołami CoE (Centrum Doskonałości) Accenture AI (specjaliści AWS DevOps).

Rycha Gupta jest architektem technologii w Accenture i prowadzi różne projekty AI. Ma ponad 18-letnie doświadczenie w projektowaniu rozwiązań Scalable AI i GenAI. Jej obszar specjalizacji obejmuje architekturę AI, rozwiązania chmurowe i generatywną sztuczną inteligencję. Odgrywa kluczową rolę w różnych działaniach przedsprzedażowych.

Szikhara Kwatry jest Architektem Rozwiązań Specjalistycznych AI/ML w Amazon Web Services, współpracując z wiodącym Globalnym Integratorem Systemów. Zdobył tytuł jednego z najmłodszych indyjskich mistrzów wynalazców z ponad 500 patentami w domenach AI/ML i IoT. Shikhar pomaga w projektowaniu, budowaniu i utrzymywaniu ekonomicznych, skalowalnych środowisk chmurowych dla organizacji oraz wspiera partnera GSI w budowaniu strategicznych rozwiązań branżowych na AWS. Shikhar lubi grać na gitarze, komponować muzykę i ćwiczyć uważność w wolnym czasie.

Sachina Thakkara jest starszym architektem rozwiązań w Amazon Web Services, współpracującym z wiodącym globalnym integratorem systemów (GSI). Wnosi ponad 23-letnie doświadczenie jako Architekt IT i Konsultant Technologiczny dla dużych instytucji. Jego obszar zainteresowań obejmuje dane, analitykę i generatywną sztuczną inteligencję. Sachin zapewnia wskazówki dotyczące architektury i wspiera partnera GSI w budowaniu strategicznych rozwiązań branżowych na platformie AWS.

• Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
• PlatoData.Network Pionowe generatywne AI. Wzmocnij się. Dostęp tutaj.
• PlatoAiStream. Inteligencja Web3. Wiedza wzmocniona. Dostęp tutaj.
• PlatonESG. Węgiel Czysta technologia, Energia, Środowisko, Słoneczny, Gospodarowanie odpadami. Dostęp tutaj.
• Platon Zdrowie. Inteligencja w zakresie biotechnologii i badań klinicznych. Dostęp tutaj.
• Źródło: https://aws.amazon.com/blogs/machine-learning/accenture-creates-a-regulatory-document-authoring-solution-using-aws-generative-ai-services/