其他行业 · AI应用
利用AWS上的生成式AI加速临床试验管理
Huron Consulting Group发现临床试验管理中的重大挑战：传统方法常导致预测建模延迟和不准确。为此，他们开发了基于Amazon Bedrock的生成式AI解决方案，简化临床试验覆盖范围分析。该方案将预测模型的速度和准确性提升20%，并将管理工作量减少10%。通过外包AI基础设施管理，Huron使组织能够专注于关键决策，从而加速临床试验进程，改善医疗研究结果。
模型准确性提升
20%
来源披露
管理工作量减少
10%
来源披露
内容向量化开发与调试工作量减少
一半
来源披露
01
业务背景
Huron Consulting Group发现临床试验管理中的重大挑战：传统方法常导致预测建模延迟和不准确。为此，他们开发了基于Amazon Bedrock的生成式AI解决方案，简化临床试验覆盖范围分析。该方案将预测模型的速度和准确性提升20%，并将管理工作量减少10%。通过外包AI基础设施管理，Huron使组织能够专注于关键决策，从而加速临床试验进程，改善医疗研究结果。
02
遇到的问题
在临床试验启动前，Huron的咨询团队需要人工从复杂的医疗文档（如图表、文本和图片）中提取关键信息以完成覆盖分析，这是一个耗时的过程，常常延迟试验的开始。
03
AI 解决方案
Huron基于Amazon Bedrock构建了生成式AI解决方案，利用Anthropic Claude模型和Amazon Bedrock Knowledge Bases处理文档分块、向量存储和信息检索，替换了4个自定义脚本，通过单个API调用简化工作流，并使用Amazon OpenSearch Serverless增强搜索功能。该方案将基础设施维护工作卸载，使顾问能专注于关键决策。
- 1尝试使用预测建模进行概念验证，但因非结构化数据的复杂性转向生成式AI。
- 2首先从零构建了大语言模型（LLM）方案，自行编写分块代码并管理向量数据库。
- 32024年3月开始使用Amazon Bedrock进行概念验证，与AWS解决方案团队和生成式AI创新中心合作。
- 4在Amazon Bedrock上采用Anthropic Claude模型，并利用知识库等原生功能简化向量化和检索流程。
- 52024年8月开始部署解决方案，显著缩短了临床试验启动的周转时间。
04
实施结果
模型准确性提升：20%（20%）
管理工作量减少：10%（10%）
内容向量化开发与调试工作量减少：一半（50%减少）
05
风险与边界
未披露
“The benefits of Amazon Bedrock go beyond the model itself. It’s the ease of use and incorporation into the whole solution.”
Clara Liu · Director of AI Capability Center, Huron
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。