Generative künstliche Intelligenz (KI) bietet im Gesundheitswesen die Möglichkeit zur Verbesserung, indem strukturierte und unstrukturierte Daten aus zuvor getrennten “Silos” kombiniert und analysiert werden. Generative KI kann die Effizienz und Effektivität über den gesamten Bereich der Gesundheitsversorgung verbessern. Die Gesundheitsbranche generiert und sammelt eine erhebliche Menge unstrukturierter Textdaten, darunter klinische Dokumentationen wie Patienteninformationen, Krankengeschichte, Testergebnisse sowie nicht-klinische Dokumentationen wie administrative Aufzeichnungen.
Bei der Bewältigung großer Datenmengen, der Extraktion unstrukturierter Daten aus mehreren Papierformularen oder Bildern und dem Vergleich mit Standard- oder Referenzformularen kann ein langer und mühsamer Prozess entstehen, der anfällig für Fehler und Ineffizienzen ist. Fortschritte in generativen KI-Lösungen haben jedoch automatisierte Ansätze eingeführt, die eine effizientere und zuverlässigere Lösung für den Vergleich mehrerer Dokumente bieten.
Amazon Bedrock ist ein vollständig verwalteter Dienst, der Grundlagenmodelle (FMs) von führenden KI-Startups und Amazon über eine API verfügbar macht, damit Sie aus einer breiten Palette von FMs das Modell auswählen können, das am besten für Ihren Anwendungsfall geeignet ist. Amazon Bedrock bietet eine serverlose Erfahrung, mit der Sie schnell starten, FMs privat anpassen und sie mit Ihren eigenen Daten schnell in Ihre Anwendungen integrieren und bereitstellen können, ohne die Infrastruktur verwalten zu müssen.
Das hier vorgestellte Thema untersucht die Verwendung des Anthropic Claude 3 auf dem großen Sprachmodell von Amazon Bedrock (LLM). Amazon Bedrock bietet Zugang zu verschiedenen LLMs wie Anthropic Claude 3, die zur Generierung von halbstrukturierten Daten relevant für die Gesundheitsbranche verwendet werden können. Dies kann besonders nützlich sein, um verschiedene gesundheitsbezogene Formulare zu erstellen, wie z.B. Patientenaufnahmefomulare, Versicherungsantragsformulare oder medizinische Fragebögen zur Krankengeschichte.
Eine Lösungsübersicht bietet eine oberflächliche Darstellung, wie die Lösung funktioniert, bevor tiefer auf die spezifischen Elemente und die verwendeten Dienste eingegangen wird. Die Architekturstufen, die für den Aufbau der Lösung auf AWS erforderlich sind, werden veranschaulicht, um einen Überblick über die verschiedenen Komponenten und deren Interaktionen zu erhalten. Im weiteren Verlauf werden die Schlüsselelemente genauer untersucht, wobei die spezifischen AWS-Dienste, die für den Aufbau der Lösung verwendet werden, erkundet und diskutiert werden, wie diese Dienste zusammenarbeiten, um die gewünschte Funktionalität zu erreichen.