AI-powered Classification for Personalized Medical Content

Vi på Alto hjälpte Artyficial Minds att utveckla en ny funktion som gör det möjligt för användare att snabbt få koncisa och relevanta svar på komplexa medicinska frågor. Genom att bygga en Retrieval-Augmented Generation (RAG)-lösning där Amazon OpenSearch används för att matcha frågor med rätt rapporter och Amazon Bedrock sammanfattar den mest relevanta informationen, kunde vi skapa en lösning som omvandlar hundratals sidor av medicinska publikationer till lättillgängliga insikter. Resultatet blev en skalbar och säker plattform som kombinerar vetenskaplig noggrannhet med AI-genererad snabbhet och ger Artyficial Minds användare ett personligt och effektivt sätt att navigera i stora mängder medicinsk information.

Problembeskrivning

Artyficial Minds är en plattform som automatiskt samlar in, strukturerar och presenterar medicinska artiklar och rapporter för användare med specifika intresseområden, till exempel cancer och diabetes. Med över 50 000 artiklar i databasen och ett inflöde på tusentals nya publikationer varje dag fanns ett behov av att utveckla en funktion som inte bara levererar relevanta dokument, utan också kan sammanfatta omfattande rapporter till koncisa och användbara svar från kunderna. Målet med den nya funktionen var att möjliggöra för användare att ställa komplexa frågor, exempelvis om sjukdomsstatistik eller trender och få tillbaka en tydlig kontextanpassad sammanfattning baserad på redan insamlade medicinska källor.

Lösningsbeskrivning

Lösningen utformades som en Retrieval-Augmented Generation (RAG)-lösning. Rapporterna kommer inte från användaren själv utan från plattformens automatiserade insamling av medicinska publikationer. Dessa dokument lagras och indexeras i Amazon OpenSearch, som fungerar som ett textbaserat sökindex. När en användare ställer en fråga, till exempel “Hur många nya cancerfall har skett?”, skickas den först till OpenSearch. Där analyseras frågan och jämförs med de ord och begrepp som finns i de indexerade dokumenten. OpenSearch matchar orden mot de termer som ligger närmast i frågan och returnerar de rapporter och artiklar som bedömts mest relevanta. Dokumenten kan variera i omfattning, från kortare texter till hundra sidiga rapporter. De identifierade dokumenten skickas därefter tillsammans med användarens fråga till Amazon Bedrock. Där används en foundation-modell som går igenom materialet och extraherar den specifika information som är mest relevant för just den aktuella frågan. Resultatet är en sammanhängande och kontextanpassad sammanfattning, presenterad direkt i gränssnittet. Samtidigt finns alltid de ursprungliga källorna för de användare som vill fördjupa sig.

Sammanfattning

Med denna nya funktion kan Artyficial Minds på ett effektivt sätt omvandla långa och komplexa rapporter till tillgängliga och begripliga svar. Användarna får snabb tillgång till insikter och kan navigera i stora mängder medicinsk information utan att själva behöva läsa igenom omfattande material. För plattformens kunder innebär detta ett tydligt mervärde, då de får det bästa av två världar: vetenskapliga källor, djup kombinerat med snabbheten i AI-genererade sammanfattningar. Samtidigt är lösningen byggd för att vara skalbar och kan växa i takt med ökade datamängder och fler användare utan att kompromissa med prestanda eller kvalitet.