详细内容或原文请订阅后点击阅览
Aetion 如何使用生成式 AI 和 Amazon Bedrock 解锁有关患者群体的隐藏见解
在本文中，我们将回顾 Aetion 的智能子组解释器如何让用户使用自然语言查询与智能子组进行交互。在 Amazon Bedrock 和 Anthropic 的 Claude 3 大型语言模型 (LLM) 的支持下，解释器可以回答用户以对话语言表达的有关患者子组的问题，并提供见解以生成进一步的假设和证据。
来源:亚马逊云科技 _机器学习从患者旅程中收集和得出的真实世界数据提供了丰富的见解，可以了解患者的特征和结果以及医疗创新的有效性和安全性。研究人员以结构化查询的形式询问有关患者群体的问题；但是，如果没有正确选择结构化查询和对复杂的真实世界患者数据集的深入了解，许多趋势和模式可能仍未被发现。
Aetion 是生物制药、付款人和监管机构的决策级真实世界证据软件的领先提供商。该公司为医疗保健和生命科学客户提供全面的解决方案，将真实世界数据转化为真实世界证据。
Aetion在半结构化数据上使用无监督学习方法以及生成式 AI 在解锁隐藏的见解方面具有变革性。借助 Aetion Discover，用户可以对真实世界数据进行快速探索性分析，同时体验结构化的研究问题方法。为了帮助加速数据探索和假设生成，Discover 使用无监督学习方法来发现智能子组。这些更大群体中的患者子组在包括诊断、程序和疗法在内的广泛因素中表现出相似的特征或概况。
生成式 AI Aetion Discover在本文中，我们回顾了 Aetion 的智能子组解释器如何让用户使用自然语言查询与智能子组进行交互。在 Amazon Bedrock 和 Anthropic 的 Claude 3 大型语言模型 (LLM) 的支持下，解释器可以回答用户以对话语言表达的有关患者子组的问题，并提供见解以生成进一步的假设和证据。Aetion 选择使用 Amazon Bedrock 来处理 LLM，因为它拥有来自多个提供商的大量模型选择、安全态势、可扩展性和易用性。
Amazon Bedrock Anthropic 的 Claude 3 基础模型