La inteligencia artificial generativa (IA) representa una oportunidad significativa para mejorar la atención sanitaria mediante la combinación y el análisis de datos estructurados y no estructurados a través de silos previamente desconectados. La IA generativa puede elevar la eficiencia y efectividad en todo el espectro de la prestación de servicios de salud.
La industria de la salud genera y recopila una cantidad considerable de datos textuales no estructurados, que incluyen documentación clínica como información de pacientes, historial médico y resultados de pruebas, así como documentación no clínica como registros administrativos. Esta información no estructurada puede afectar la eficiencia y la productividad de los servicios clínicos, a menudo hallándose en diversos formularios en papel que pueden ser difíciles de gestionar y procesar. La optimización en el manejo de esta información es crucial para que los proveedores de salud mejoren la atención al paciente y optimicen sus operaciones.
Manejar grandes volúmenes de datos, extraer datos no estructurados de múltiples formularios en papel o imágenes y compararlos con formularios estándar o de referencia puede ser un proceso largo y arduo, propenso a errores e ineficiencias. Sin embargo, los avances en soluciones de IA generativa han introducido enfoques automáticos que ofrecen una solución más eficiente y confiable para comparar múltiples documentos.
Amazon Bedrock es un servicio totalmente gestionado que hace que los modelos fundacionales (FMs) de startups líderes en IA y Amazon estén disponibles a través de una API, permitiendo elegir entre una amplia gama de FMs para encontrar el modelo más adecuado a su caso de uso. Amazon Bedrock ofrece una experiencia sin servidor, permitiendo empezar rápidamente, personalizar FMs de manera privada con sus propios datos e integrar y desplegar rápidamente estos modelos en sus aplicaciones utilizando las herramientas de AWS sin tener que gestionar la infraestructura.
Amazon Bedrock proporciona acceso a varios modelos de lenguaje a gran escala (LLMs), como Anthropic Claude 3 que puede usarse para generar datos semiestructurados relevantes para la industria sanitaria. Esto puede ser particularmente útil para crear diversos formularios relacionados con la salud, como formularios de admisión de pacientes, formularios de reclamaciones de seguros o cuestionarios de historial médico.
Para entender cómo funciona la solución, se explican los pasos arquitectónicos necesarios para construir la solución en AWS, describiendo los elementos clave de la misma y sus interacciones, y explorando los servicios específicos de AWS utilizados para lograr la funcionalidad deseada.
El procesamiento de formularios estándar incluye los siguientes pasos: el usuario carga imágenes de formularios en papel a Amazon S3; Amazon SQS se utiliza como cola de mensajes y, cuando se carga un nuevo formulario, se invoca un evento en Amazon SQS. Si un objeto S3 no se procesa, después de dos intentos se moverá a la cola de mensajes con error (DLQ). El mensaje de SQS invoca una función AWS Lambda encargada de procesar los nuevos datos del formulario, que se pasa al API de Amazon Textract para generar una salida estructurada jerárquica. Luego, se utilizan dos llamadas consecutivas al API de Amazon Bedrock para generar una lista de preguntas y compararlas entre formularios.
Esta solución ayuda a los proveedores de salud a invertir en tecnología digital como los historiales médicos electrónicos (EHRs) para optimizar la recopilación y almacenamiento de datos, permitiendo a los profesionales de salud acceder a registros para la atención al paciente. Ofrece un sistema más seguro y accesible, reduciendo la pérdida de datos y facilitando la precisión de los mismos.
En conclusión, las soluciones de IA generativa como Amazon Bedrock con Anthropic Claude 3 pueden agilizar significativamente el proceso de extracción y comparación de datos no estructurados de formularios en papel o imágenes. Integrando servicios de AWS, proporciona una arquitectura escalable y robusta para implementar esta solución, mejorando la gestión de datos, manteniendo el cumplimiento y mejorando la atención al paciente a través de mejores perspectivas y toma de decisiones.
vía: AWS machine learning blog
