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 将科学意图转化为结果
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。在这篇文章中，我们回顾了 Aetion 如何使用 Amazon Bedrock 帮助简化分析过程以生成决策级真实世界证据，并使没有数据科学专业知识的用户能够与复杂的真实世界数据集进行交互。
来源:亚马逊云科技 _机器学习本帖由 Aetion 的 Javier Beltrán、Ornela Xhelili 和 Prasidh Chhabri 共同撰写。
本帖由 Aetion 的 Javier Beltrán、Ornela Xhelili 和 Prasidh Chhabri 共同撰写。对于医疗保健领域的决策者来说，全面了解患者随时间推移的旅程和健康结果至关重要。科学家、流行病学家和生物统计学家实施了大量查询，以从现实世界数据中捕获复杂、临床相关的患者变量。这些变量通常涉及复杂的事件序列、发生和非发生的组合，以及准确的数字计算或分类，以准确反映患者经历和病史的多样性。将这些变量表达为自然语言查询允许用户表达科学意图并探索患者时间线的全部复杂性。
Aetion 是领先的决策级真实世界证据软件提供商，为生物制药、付款人和监管机构提供服务。该公司为医疗保健和生命科学客户提供全面的解决方案，以快速透明地将真实世界数据转化为真实世界证据。
AetionAetion 证据平台 (AEP) 的核心是测量值 - 用于灵活捕获复杂患者变量的逻辑构建块，使科学家能够定制他们的分析以解决他们的研究问题所带来的细微差别和挑战。AEP 用户可以使用测量值来构建患者队列并分析他们的结果和特征。
用户提出科学问题的目的是将科学意图（例如“我想找到被诊断为糖尿病并随后服用二甲双胍的患者”）转化为在真实世界数据中捕获这些变量的算法。为了促进这种转换，Aetion 开发了一个测量助手，将用户对科学意图的自然语言表达转化为测量值。
Amazon Bedrock 基础模型