Bài đăng này được đồng viết với Ilan Geller, Shuyu Yang và Richa Gupta từ Accenture.

Đưa các loại dược phẩm mới cải tiến ra thị trường là một quá trình lâu dài và nghiêm ngặt. Các công ty phải đối mặt với các quy định phức tạp và yêu cầu phê duyệt rộng rãi từ các cơ quan quản lý như Cục Quản lý Thực phẩm và Dược phẩm Hoa Kỳ (FDA). Một phần quan trọng của quá trình đệ trình là soạn thảo các tài liệu quy định như Tài liệu kỹ thuật chung (CTD), một tài liệu được định dạng tiêu chuẩn toàn diện để nộp đơn đăng ký, sửa đổi, bổ sung và báo cáo cho FDA. Tài liệu này chứa hơn 100 báo cáo kỹ thuật rất chi tiết được tạo ra trong quá trình nghiên cứu và thử nghiệm thuốc. Việc tạo CTD theo cách thủ công cực kỳ tốn nhiều công sức, cần tới 100,000 giờ mỗi năm đối với một công ty dược phẩm lớn điển hình. Quá trình biên soạn hàng trăm tài liệu tẻ nhạt cũng dễ xảy ra sai sót.

Accenture đã xây dựng giải pháp soạn thảo văn bản quy định bằng cách sử dụng tự động trí tuệ nhân tạo cho phép các nhà nghiên cứu và người thử nghiệm tạo ra CTD một cách hiệu quả. Bằng cách trích xuất dữ liệu chính từ các báo cáo thử nghiệm, hệ thống sử dụng Khởi động Amazon SageMaker và các dịch vụ AI AWS khác để tạo CTD ở định dạng phù hợp. Cách tiếp cận mang tính cách mạng này giúp giảm bớt thời gian và công sức dành cho việc soạn thảo CTD. Người dùng có thể nhanh chóng xem xét và điều chỉnh các báo cáo do máy tính tạo ra trước khi gửi.

Do tính chất nhạy cảm của dữ liệu và nỗ lực liên quan, các công ty dược phẩm cần mức độ kiểm soát, bảo mật và kiểm toán cao hơn. Giải pháp này dựa trên các nguyên tắc và hướng dẫn Kiến trúc tối ưu của AWS để đáp ứng các yêu cầu về kiểm soát, bảo mật và khả năng kiểm tra. Hệ thống thân thiện với người dùng cũng sử dụng mã hóa để bảo mật.

Bằng cách khai thác AI tạo của AWS, Accenture hướng tới mục tiêu chuyển đổi hiệu quả cho các ngành được quản lý như dược phẩm. Việc tự động hóa quy trình xử lý tài liệu CTD gây phiền toái sẽ đẩy nhanh quá trình phê duyệt sản phẩm mới để các phương pháp điều trị cải tiến có thể đến tay bệnh nhân nhanh hơn. AI mang lại một bước nhảy vọt lớn.

Bài đăng này cung cấp thông tin tổng quan về giải pháp AI tổng hợp toàn diện do Accenture phát triển để soạn thảo tài liệu quy định bằng SageMaker JumpStart và các dịch vụ AWS khác.

Tổng quan về giải pháp

Accenture đã xây dựng giải pháp dựa trên AI, tự động tạo tài liệu CTD theo định dạng được yêu cầu, cùng với đó là sự linh hoạt để người dùng xem xét và chỉnh sửa nội dung được tạo. Giá trị sơ bộ được ước tính là giảm 40–45% thời gian soạn thảo.

Giải pháp dựa trên AI tổng quát này trích xuất thông tin từ các báo cáo kỹ thuật được tạo ra như một phần của quy trình thử nghiệm và cung cấp hồ sơ chi tiết theo định dạng chung do các cơ quan quản lý trung ương yêu cầu. Sau đó, người dùng xem xét và chỉnh sửa các tài liệu nếu cần thiết và gửi tài liệu đó cho các cơ quan quản lý trung ương. Giải pháp này sử dụng các mô hình SageMaker JumpStart AI21 Jurassic Jumbo Instruct và AI21 Summarize để trích xuất và tạo tài liệu.

Sơ đồ sau minh họa kiến ​​trúc giải pháp.

Quy trình làm việc bao gồm các bước sau:

1. Người dùng truy cập công cụ soạn thảo tài liệu quy định từ trình duyệt máy tính của họ.
2. Một ứng dụng React được lưu trữ trên Amplify AWS và được truy cập từ máy tính của người dùng (đối với DNS, hãy sử dụng Amazon Route 53).
3. Ứng dụng React sử dụng thư viện xác thực Amplify để phát hiện xem người dùng có được xác thực hay không.
4. Nhận thức về Amazon cung cấp nhóm người dùng cục bộ hoặc có thể được liên kết với thư mục hoạt động của người dùng.
5. Ứng dụng sử dụng thư viện Amplify cho Dịch vụ lưu trữ đơn giản của Amazon (Amazon S3) và tải các tài liệu do người dùng cung cấp lên Amazon S3.
6. Ứng dụng ghi chi tiết công việc (ID công việc do ứng dụng tạo và vị trí tệp nguồn Amazon S3) vào một Dịch vụ xếp hàng đơn giản trên Amazon (Amazon SQS) hàng đợi. Nó ghi lại ID tin nhắn được Amazon SQS trả về. Amazon SQS hỗ trợ kiến ​​trúc tách rời có khả năng chịu lỗi. Ngay cả khi có một số lỗi phụ trợ trong khi xử lý công việc, việc có bản ghi công việc bên trong Amazon SQS sẽ đảm bảo các lần thử lại thành công.
7. Sử dụng ID công việc và ID tin nhắn được yêu cầu trước đó trả về, máy khách kết nối với API WebSocket và gửi ID công việc và ID tin nhắn tới kết nối WebSocket.
8. WebSocket kích hoạt một AWS Lambda chức năng tạo ra một bản ghi trong Máy phát điện Amazon. Bản ghi là ánh xạ khóa-giá trị của ID công việc (WebSocket) với ID kết nối và ID thông báo.
9. Một hàm Lambda khác được kích hoạt bằng một thông báo mới trong hàng đợi SQS. Hàm Lambda đọc ID công việc và gọi một Chức năng bước AWS quy trình làm việc để xử lý các tập tin dữ liệu.
10. Máy trạng thái Step Functions gọi hàm Lambda để xử lý tài liệu nguồn. Mã chức năng gọi Văn bản Amazon để phân tích tài liệu. Dữ liệu phản hồi được lưu trữ trong DynamoDB. Dựa trên các yêu cầu cụ thể về xử lý dữ liệu, nó cũng có thể được lưu trữ trên Amazon S3 hoặc Amazon DocumentDB (với khả năng tương thích MongoDB).
11. Hàm Lambda gọi DetectDocument API của Amazon Textract để phân tích dữ liệu dạng bảng từ tài liệu nguồn và lưu trữ dữ liệu được trích xuất vào DynamoDB.
12. Hàm Lambda xử lý dữ liệu dựa trên các quy tắc ánh xạ được lưu trữ trong bảng DynamoDB.
13. Hàm Lambda gọi các thư viện nhắc nhở và một loạt hành động sử dụng AI tổng hợp với mô hình ngôn ngữ lớn được lưu trữ thông qua Amazon SageMaker để tóm tắt dữ liệu.
14. Hàm Lambda của trình soạn thảo tài liệu ghi một tài liệu hợp nhất vào một thư mục được xử lý S3.
15. Hàm Lambda gọi lại công việc truy xuất chi tiết kết nối gọi lại từ bảng DynamoDB, chuyển ID công việc. Sau đó, hàm Lambda thực hiện lệnh gọi lại đến điểm cuối WebSocket và cung cấp liên kết tài liệu đã xử lý từ Amazon S3.
16. Hàm Lambda sẽ xóa tin nhắn khỏi hàng đợi SQS để nó không được xử lý lại.
17. Mô-đun web của trình tạo tài liệu chuyển đổi dữ liệu JSON thành tài liệu Microsoft Word, lưu nó và hiển thị tài liệu đã xử lý trên trình duyệt web.
18. Người dùng có thể xem, chỉnh sửa và lưu tài liệu trở lại nhóm S3 từ mô-đun web. Điều này giúp đánh giá và sửa chữa cần thiết, nếu có.

Giải pháp này cũng sử dụng sổ ghi chép SageMaker (được gắn nhãn T trong kiến ​​trúc trước đó) để thực hiện điều chỉnh miền, tinh chỉnh mô hình và triển khai điểm cuối SageMaker.

Kết luận

Trong bài đăng này, chúng tôi đã giới thiệu cách Accenture sử dụng các dịch vụ AI tổng hợp của AWS để triển khai phương pháp tiếp cận toàn diện hướng tới giải pháp soạn thảo tài liệu quy định. Giải pháp này trong thử nghiệm ban đầu đã chứng tỏ giảm được 60–65% thời gian cần thiết để soạn thảo CTD. Chúng tôi đã xác định những lỗ hổng trong các nền tảng quản lý quy định truyền thống và trí thông minh tổng hợp tăng cường trong khuôn khổ của nó để có thời gian phản hồi nhanh hơn và liên tục cải thiện hệ thống trong khi tương tác với người dùng trên toàn cầu. Hãy liên hệ với nhóm Trung tâm Xuất sắc Accenture để tìm hiểu sâu hơn về giải pháp và triển khai giải pháp đó cho khách hàng của bạn.

Chương trình chung tập trung vào AI tổng hợp này sẽ giúp tăng thời gian tạo ra giá trị cho các khách hàng chung của Accenture và AWS. Nỗ lực này được xây dựng dựa trên mối quan hệ chiến lược 15 năm giữa các công ty và sử dụng các cơ chế và động lực tăng tốc đã được chứng minh tương tự được xây dựng bởi Accenture Nhóm kinh doanh AWS (AABG).

Kết nối với nhóm AABG tại voiceureaws@amazon.com để thúc đẩy kết quả kinh doanh bằng cách chuyển đổi sang doanh nghiệp dữ liệu thông minh trên AWS.

Để biết thêm thông tin về AI tổng hợp trên AWS bằng cách sử dụng nền tảng Amazon hoặc SageMaker, hãy tham khảo AI sáng tạo trên AWS: Công nghệ và Bắt đầu với AI tổng quát trên AWS bằng cách sử dụng Amazon SageMaker JumpStart.

Quý vị cũng có thể đăng ký nhận bản tin AI tổng hợp của AWS, bao gồm các tài nguyên giáo dục, blog và cập nhật dịch vụ.

Về các tác giả

Ilan Geller là Giám đốc điều hành về thực hành Dữ liệu và AI tại Accenture. Ông là Trưởng nhóm đối tác AWS toàn cầu về dữ liệu và AI và là Trung tâm AI nâng cao. Vai trò của ông tại Accenture chủ yếu tập trung vào thiết kế, phát triển và phân phối dữ liệu phức tạp, AI/ML và gần đây nhất là các giải pháp Generative AI.

Thư Dương là Trưởng nhóm phân phối mô hình ngôn ngữ lớn và AI sáng tạo, đồng thời cũng lãnh đạo các nhóm Accenture AI (AWS DevOps professional) CoE (Trung tâm xuất sắc).

Richa Gupta là Kiến trúc sư Công nghệ tại Accenture, lãnh đạo nhiều dự án AI khác nhau. Cô có hơn 18 năm kinh nghiệm trong việc kiến ​​trúc các giải pháp GenAI và AI có thể mở rộng. Lĩnh vực chuyên môn của cô là kiến ​​trúc AI, Giải pháp đám mây và AI sáng tạo. Cô ấy đóng vai trò quan trọng trong các hoạt động bán trước khác nhau.

Shikhar Kwatra là Chuyên gia kiến ​​trúc giải pháp AI/ML tại Amazon Web Services, làm việc với Nhà tích hợp hệ thống toàn cầu hàng đầu. Anh đã giành được danh hiệu là một trong những Nhà phát minh bậc thầy trẻ nhất Ấn Độ với hơn 500 bằng sáng chế trong lĩnh vực AI/ML và IoT. Shikhar hỗ trợ kiến ​​trúc, xây dựng và duy trì môi trường đám mây có thể mở rộng, tiết kiệm chi phí cho tổ chức và hỗ trợ đối tác GSI trong việc xây dựng các giải pháp công nghiệp chiến lược trên AWS. Shikhar thích chơi ghi-ta, sáng tác nhạc và thực hành chánh niệm khi rảnh rỗi.

Sachin Thakkar là Kiến trúc sư giải pháp cấp cao tại Amazon Web Services, làm việc với Nhà tích hợp hệ thống toàn cầu (GSI) hàng đầu. Ông có hơn 23 năm kinh nghiệm làm Kiến trúc sư CNTT và Tư vấn Công nghệ cho các tổ chức lớn. Lĩnh vực trọng tâm của anh ấy là Dữ liệu, Phân tích và AI sáng tạo. Sachin cung cấp hướng dẫn về kiến ​​trúc và hỗ trợ đối tác GSI trong việc xây dựng các giải pháp chiến lược ngành trên AWS.

• Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
• PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
• PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
• Trung tâmESG. Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
• PlatoSức khỏe. Tình báo thử nghiệm lâm sàng và công nghệ sinh học. Truy cập Tại đây.
• nguồn: https://aws.amazon.com/blogs/machine-learning/accenture-creates-a-regulatory-document-authoring-solution-using-aws-generative-ai-services/