Guardoc spracúva milión zdravotných dokumentov denne pomocou modelov Amazon Nova

Guardoc Health opísal produkčný systém na spracovanie klinických dokumentov v zariadeniach dlhodobej starostlivosti, ktorý kombinuje Amazon Textract, vektorové vyhľadávanie a modely Amazon Nova cez Amazon Bedrock. Podľa firmy dokáže v špičke spracovať viac než milión dokumentov denne. Nejde iba o prepis textu: systém má rozpoznávať diagnózy, stavy zaškrtávacích polí, rukopis, lieky aj priestorové vzťahy medzi údajmi na stránke.

Zdravotné záznamy prichádzajú ako digitálne PDF, skeny, fotografie, faxované formuláre aj stránky s ručnými poznámkami. Jeden pacientský spis môže miešať tabuľky, voľný text, podpisy, prečiarknuté opravy a viacstĺpcové zoznamy liekov. Pri takomto objeme je aj jednopercentná chybovosť významná: znamenala by tisíce nesprávne spracovaných záznamov denne. Preto nestačí model, ktorý dobre číta čistý text z jednej šablóny.

Pri identifikácii zdravotných stavov Guardoc používa generovanie rozšírené o vyhľadávanie, známe ako RAG. Najprv získa dôkazy z dokumentácie konkrétneho pacienta a až potom nad nimi vykoná klasifikáciu. Potrubie zahŕňa optické rozpoznávanie cez Textract, delenie a vektorové reprezentácie, predbežné filtrovanie, vyhľadanie podobných úsekov a model Nova pre konečné rozhodnutie. Každý výsledok sa má dať spätne priradiť ku konkrétnej strane pôvodného dokumentu.

Architektúra používa nákladové vrstvenie. Lacnejšie komponenty spracujú veľký objem rutinných krokov, napríklad indexovanie, hrubý filter a jednoduchšiu klasifikáciu. Výkonnejší Nova Pro sa zapája tam, kde treba multimodálne uvažovanie nad pôvodnými bajtmi PDF, rozložením stránky alebo nejednoznačným rukopisom. Takéto smerovanie je praktickejšie než posielať každý dokument najdrahšiemu modelu, ale vyžaduje kvalitný mechanizmus na rozpoznanie ťažkého prípadu.

Pri liekoch systém kombinuje Textract s modelmi Nova. Štruktúrované tabuľky môže spracovať tradičnejšia extrakcia, zatiaľ čo model rieši poznámky v próze, ručné doplnenia a poškodené skeny. Výstup musí rozlíšiť názov lieku, dávku, spôsob podania a frekvenciu. Práve tu je riziko najvyššie: podobný názov alebo nesprávne prečítaná desatinná čiarka môže zmeniť klinický význam, preto má byť automatický výstup iba súčasťou kontrolovaného pracovného toku.

Guardoc uvádza 46-percentné zníženie chýb v dokumentácii, o 70 percent menej pokút z auditov a viac než 400-tisíc dolárov ročnej návratnosti pre jedno zariadenie. Tieto čísla pochádzajú z prípadovej štúdie Guardocu a AWS, takže ich nemožno bez ďalších údajov preniesť na inú nemocnicu alebo krajinu. Chýba nezávislé porovnanie, intervaly spoľahlivosti aj podrobný opis východiskového procesu. Sú však užitočným signálom, aké ukazovatele má pilotné nasadenie merať.

Kľúčovým prvkom je sledovateľnosť rozhodnutia ku zdrojovej strane. V zdravotníctve nestačí, že model poskytne pravdepodobnú odpoveď; klinik alebo audítor musí vedieť nájsť vetu, políčko či poznámku, z ktorej záver vznikol. Takáto stopa pomáha pri kontrole, ale sama nepotvrdzuje správnosť. Model môže citovať relevantnú stranu a aj tak zle pochopiť negáciu, časové obdobie alebo vzťah medzi diagnózou a členom rodiny.

Nasadenie preto potrebuje testovaciu množinu z lokálnych formulárov, jazykov a typov skenov. Presnosť treba merať osobitne pre diagnózy, rukopis, zaškrtávacie polia a lieky, nie jedným priemerom. Dôležité sú najmä falošne negatívne výsledky pri kritických stavoch, miera prípadov odovzdaných človeku a správanie pri dokumente, ktorý nepatrí do žiadnej známej šablóny. Zmeny modelu alebo promptu by mali spustiť opakovanú klinickú validáciu.

Európske organizácie musia navyše riešiť právny základ spracovania, minimalizáciu údajov, umiestnenie dát a riadenie prístupu. Citlivé zdravotné údaje by nemali skončiť v diagnostických logoch alebo testovacích sadách bez príslušnej ochrany. Potrebný je záznam o verzii modelu, konfigurácii, zdrojovom dokumente a ľudskej korekcii. Automatizácia dokumentácie nie je ospravedlnením pre netransparentné rozhodovanie o pacientovi.

Prípad Guardocu ukazuje, že multimodálne modely sa v podnikovej praxi neuplatňujú ako jediný univerzálny krok. Hodnotu vytvára kombinácia klasickej extrakcie, vyhľadávania, lacnejších filtrov, výkonnejšieho modelu a ľudskej kontroly. Pre nemocnicu či zariadenie sociálnej starostlivosti je rozumným začiatkom úzky pilot na jednom type dokumentu s jasnou pravdou od odborníkov. Až preukázaná presnosť, auditovateľnosť a bezpečný postup pri neistote odôvodňujú rozšírenie na klinicky citlivejšie úlohy.