Guardoc Health 利用 Amazon Nova AI 模型实现临床文档自动化

Guardoc Health 每天处理超过一百万份临床文件。 通过 Bedrock 使用 Amazon Nova 模型，这代表了医疗保健文档自动化和临床准确性方面的重大进步。

关键平衡：人工智能驱动的临床文档

在临床文档中应用人工智能需要进行仔细的风险评估。文档错误可能会引发严重的连锁反应：

• 被拒的医疗保险索赔 在以患者为中心的支付模式（PDPM）下
• 巨额审计罚款 以及监管处罚
• 诉讼风险 源于文件差异
• 严重的患者安全风险 漏诊会影响治疗决策

然而，成功实施会带来可衡量的收益： 缩短纠正周期，减少医院转诊次数，并显著降低合规成本Guardoc Health 为长期护理机构开发的文档软件通过已发布的部署数据证明了这些成果。

理解文档挑战

Guardoc Health 的处理流程几乎可以处理所有临床格式的文档：

多页 PDF 文件将手写医生注释与印刷文本相结合，预先授权表格中单个复选框的状态决定承保决定，药物清单以结构化表格或自由文本的形式出现，以及患者入院表格将打印字段与橡皮图章和手写内容混合在一起。

发表于《英国医学杂志·质量与安全》的研究 估计大约 每年有1200万美国门诊病人受到诊断错误的影响。信息处理失误被认为是造成这种情况的原因之一。在Guardoc的处理量下，即使病情检测的错误率只有1%，每天也会产生数千条错误记录，每条记录都可能对患者安全或合规性造成影响。

量化绩效改进

Guardoc Health报告称运营方面取得了显著进步：

在覆盖两家医疗机构和 200 名患者的季度部署中，该系统取得了以下成果：

• 847 项文档更正 实施的
• 86 PDPM报销准确性问题 已识别并解决
• 医院转院次数减少74% 每100例入院

另一项涵盖七家机构和1618名居民的案例研究表明 10,612 个文档问题根据公司数据。

成本优化的人工智能架构

Guardoc的技术架构实现了 检索增强生成（RAG） 对于病情分类，先从患者病历中提取证据，然后再运用推理得出结论。

处理流程采用分层方法：

1. 亚马逊文本 以最低的单页成本从传入页面中提取文本和结构元数据
2. 内容是 按临床边界划分完整保留药物清单和诊断部分。
3. 每个块都是 使用 Amazon Titan Text Embeddings V2 嵌入 并存储在 Amazon DynamoDB 中，采用患者级分区
4. 一个 自定义预过滤器 在进行k近邻搜索之前，先根据文档类型和发布时间缩小候选集，然后检索相关数据块。
5. 亚马逊 Nova 2 Lite 执行基于文本的过滤，以消除明显的非匹配项。
6. Amazon Nova Pro 接收原始PDF字节，以便对布局、手写、签名和印章进行最终的多模态推理。

这种设计理念优先考虑 通过将计算密集型的多模态推理保留在最后阶段来提高成本效益。 在能够发挥最大价值的地方，它可以使用更便宜的组件来处理大批量的嵌入和过滤操作。

应对复杂的文档场景

两类文件代表了最具挑战性的案例：

药物提取过程更为复杂。 药物名称、剂量、给药途径和频率以多种形式出现：结构化表格、医生笔记中的散文、打印清单上的手写补充以及多代传真扫描件。

Guardoc 的混合管道通过以下方式解决了这个问题： 首先运行 Amazon Textract 以获得干净的打印表格然后将原始 PDF 和 Textract 输出都传递给 Amazon Nova Pro 可解决表格列换行、手写添加和非标准格式等问题。 单靠OCR技术无法准确解析。

行业影响及未来发展方向

“借助 Nova 系列产品，我们能够帮助医疗机构更早地发现高风险病例，并在问题造成巨大损失之前采取行动。Nova 系列产品通过自动化以往需要人工监督的工作流程，帮助团队减少合规性差距、预防错误，并将更多时间投入到改善患者预后方面。”

——Guardoc Health产品总监Assaf Amiaz

部署演示了如何 人工智能驱动的文档处理可以改变临床文档工作流程使医疗团队能够从人工监督转向主动的患者护理，同时保持合规标准并降低运营成本。

医疗机构应重点关注以下几点：

• 战略性人工智能实施可以显著减少文档错误和合规风险。
• 成本优化的架构使大规模文档处理在经济上可行。
• 多模态人工智能模型能够有效处理复杂的临床文档格式
• 自动化工作流程使医疗保健专业人员能够优先处理患者护理而非行政任务。