首页 » 亚马逊云科技解决方案 » 医疗保健与生命科学 » 医疗数据智能分析助手解决方案指南
医疗数据智能分析助手解决方案指南
概览
该解决方案指南基于大语言模型的强大自然语言处理能力，使非技术人员例如药企的商业化部门负责人可以通过自然语言对药品/器械的采购及销售等数据进行查询和分析，无需掌握 SQL 等专业技能。该指南通过托管在 Amazon SageMaker 上的大语言模型生成 SQL 查询语句，并且通过 Amazon OpenSearch 检索对应的历史 Q/A 提升提示词质量，最终与BI报告系统结合，生成报表分析结果。用户无需依赖技术人员就可以自助获取数据洞察，提升决策效率。
优势
整合内外部数据，支持人机交互
非技术人员可以通过对话的方式，借助大语言模型独立地对多维度和多指标的复杂业务数据进行复杂的数据分析，而无需数据分析师或 BI 团队的帮助。
例如可提问：对比 2021 年，A 药品在某地区市场 2022 年销售情况、竞品销售情况，市场占有率。
快速生成智能报表
方案可与企业既有 BI 报告系统集成，快速生成数据分析报表。
例如可提问：生成 B 药品在 2022 年 6-12 月内的市场推广活动情况，包括活动次数， 参加人数，以及对应的药品每月销售信息的柱状图。
集成 RAG 检索增强技术，支持个性化查询
方案支持接入药企内部知识库，打通销售数据与内部知识库，通过 RAG 技术实现个性化查询，为业务分析提供更多洞察。
例如可提问：2023 年一季度，A 药销售代表拜访所用的学术材料是什么，并提供原始材料。
业务目标
提高企业内部的效率
通过简化查询公式，可以减少数据分析所需的时间和精力,特别是针对一些临时查询任务，从而提高决策效率，使数据分析更加高效和有见地，更敏捷地响应市场趋势或客户需求。
提高数据可访问性
赋予非技术用户独立访问和分析数据的能力，使他们能够提取与自身角色和职责相关的数据洞察，培养数据驱动的文化。
提高生产力和成本优化
- 减少对技术和 SFE 资源的依赖：通过让用户独立查询数据，客户 SFE 和 IT 团队可以集中精力做更复杂的任务和创新工作。
- 潜在的成本节约：根据实施和使用模式的不同,该解决方案可能比传统方法提供更大的成本节约,以满足不断变化的业务需求。
解决方案架构及说明
以下架构图展示了整个方案的部署架构。
医疗数据智能分析助手解决方案指南架构图
- 用户通过前端服务 (Streamlit) 在 Amazon ECS 上触发搜索请求。
- ECS 将请求路由到 Amazon Lambda 函数，该函数连接到不同的后端服务。
- 查询被发送到 Amazon OpenSearch，根据嵌入式的现有历史记录检索前 k 个结果。
- Amazon Lambda 将查询、提示和检索到的历史问答（少数样本）组合成一个提示，以调用部署在 Amazon SageMaker 上 的大语言模型。
- 查询被发送到嵌入模型以生成用于检索的嵌入。OpenSearch 使用 KNN 检索前 k 个问答对作为生成的示例。
- Amazon Lambda 从数据库中提取 DDL 信息（包括列描述和表描述），然后组合成提示。
- 生成的 SQL 语句在数据源上运行并提供数据结果。
- 历史数据和提供的示例数据定期填充到 OpenSearch 中。
- 数据库管理员定期将问答示例提供到 Amazon DynamoDB 中。
* 您应当依法使用服务和本解决方案并遵循相应的合规要求（包括进行算法备案、使用经过备案的大语言模型等等，如适用）
