ヘルスケアとライフサイエンスに Amazon Comprehend Medical と LLMs を使用する

Joeking、Rajesh Sitaraman、Ross Claytor、Amazon Web Services

2024 年 12 月 (ドキュメント履歴）

概要

医療データの増大と、効率的で正確な処理の必要性により、人工知能と機械学習 (AI/ML) テクノロジーによる自然言語処理 (NLP) の導入が促進されています。事前トレーニング済み分類子モデルと大規模言語モデル (LLMs) は、臨床的な質問への回答、レポートの要約、インサイトの生成など、さまざまな医療 NLP タスクのための強力なツールとして浮上しています。ただし、医療とライフサイエンスのドメインは、医学用語、ドメイン固有の知識、規制要件が複雑であるため、固有の課題があります。このドメインで事前トレーニング済みの分類子または LLMs を効果的に使用するには、これらのモデルの長所をドメイン固有のリソースや手法と組み合わせる、適切に設計されたアプローチが必要です。

ヘルスケアとライフサイエンスの業界のプラクティスは、従来、ルールベースのシステム、手動コーディング、エキスパートによるレビュープロセスに依存してきました。これらのシステムとプロセスは時間がかかり、エラーが発生しやすくなります。Amazon Amazon Comprehend Bedrock の基盤モデルなどの AI と NLP テクノロジーの統合は、精度と一貫性を向上させながら、医療データを処理するための効率的でスケーラブルなソリューションを提供します。

このガイドでは、ヘルスケア業界におけるインテリジェントな自動化のための Amazon Comprehend Medical と LLMs の使用について説明します。医療コーディング、患者情報抽出、レコード要約プロセスを合理化するためのベストプラクティス、課題、実践的なアプローチの概要を説明します。Amazon Comprehend Medical と LLMs の機能を使用することで、医療組織は新しいレベルの運用効率を引き出し、コストを削減し、患者ケアを改善できます。

このガイドでは、医療用語の理解、ドメイン固有の LLMs の使用、AI/ML システムの制限への対応など、ヘルスケアドメイン固有の考慮事項について詳しく説明します。これは、ヘルスケア IT マネージャー、アーキテクト、テクニカルリードが組織の準備状況を評価し、実装オプションを評価し、自動化を成功させるために適切な および AWS のサービス ツールを使用するための包括的な決定パスを提供します。

このガイドで概説されているガイドラインとベストプラクティスに従うことで、医療組織は AI/ML テクノロジーの能力を活用しながら、医療分野の複雑さを克服できます。このアプローチは、倫理および規制ガイドラインへの準拠をサポートし、医療における AI システムの責任ある使用を促進します。これは、正確でプライベートなインサイトを生成するように設計されています。

対象者

このガイドは、医療データ分析と自動化のための AI を活用した自然言語処理ソリューションを実装したいと考えているテクノロジー関係者、アーキテクト、テクニカルリード、意思決定者を対象としています。

目的

ヘルスケアおよびライフサイエンス組織は、Amazon Comprehend Medical と LLMs を使用することで、複数のビジネス目標を達成できます。これらの結果には通常、運用効率の向上、コストの削減、患者ケアの改善が含まれます。このセクションでは、主要なビジネス目標と、このガイドで概説されている戦略とベストプラクティスを実装することに伴う利点について説明します。

以下は、このガイドのガイドラインとベストプラクティスを実装することで組織が達成できる目標の一部です。

• 開発時間の短縮 – このガイドの最終的な目標は、コストによる開発時間の短縮、技術的負債の削減、POC による潜在的なプロジェクト障害の軽減です。Amazon Comprehend Medical などの主要な AI/ML サービスと、ヘルスケアタスクにおける LLM の使用の利点と制限を理解することで、企業は市場投入までの時間を短縮し、ビジネス目標の達成速度を向上させることができます。

• 医療コーディングタスクを自動化するための情報を抽出する – 患者の訪問後、コーディングスペシャリストとプロバイダーは、主観的、目的、評価、計画 (SOAP) ノートなどの医療テキストからインサイトを抽出できます。これにより、手動による文書化作業が減り、プロバイダーが患者のニーズに集中できるようになります。Amazon Comprehend Medical のエンティティ認識機能を LLMs と組み合わせることで、組織は患者記録、臨床ノート、その他の医療データソースから関連する医療情報を抽出できます。これにより、ヒューマンエラーを最小限に抑え、一貫したプラクティスを促進することができます。

• 患者記録と臨床文書の要約 – 患者の履歴、治療計画、医療結果の自動要約により、医療提供者にとって貴重な時間を節約できます。LLMsは、包括的で構造化された臨床ドキュメントの生成に役立ちます。Amazon Comprehend Medical で追加のコンテキストを取得したり、医療ドメイン LLM を使用したり、医療データで LLM を微調整したりできます。これらのアプローチは、正確な概要を提供し、ドキュメントがコンプライアンス要件と標準に準拠していることを確認するのに役立ちます。

• 臨床上の意思決定と患者ケアのサポート – Amazon Comprehend Medical でオントロジーリンクを使用し、LLMs を使用することで、プロバイダーは医療上の質問に回答したり、患者ケアに関する推奨事項を求めたりできます。これにより、医療専門家は、患者の成果を向上させ、医療ミスのリスクを減らすための情報に基づいた意思決定を行うことができます。