Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Risorse e passaggi successivi
<a name="next-steps"></a>

Questa guida ti aiuta ad Servizi AWS automatizzare la PNL medica e le attività di intelligenza artificiale generativa per applicazioni del mondo reale negli ambienti di produzione. Descrive come utilizzare Amazon Comprehend Medical, LLMs supportato in Amazon Bedrock, medico preformato o LLMs ottimizzato per raggiungere i tuoi obiettivi aziendali nel LLMs settore sanitario e delle scienze biologiche. Questa guida descrive i vantaggi e i limiti dei seguenti approcci:
+ Utilizzo indipendente di Amazon Comprehend Medical
+ Fornire i risultati di Amazon Comprehend Medical a un LLM
+ Utilizzo di un LLM generale preformato o di un LLM medico secondo un approccio RAG (Retrieval Augmented Generation)
+ Perfezionamento di un LLM generale o di un LLM medico

Utilizza l'[albero decisionale](choosing-approach.md) e le [considerazioni sulla maturità aziendale](choosing-approach.md#business-maturity) di questa guida per scegliere tra questi approcci in base al livello di maturità della tua organizzazione. AI/ML Sebbene Amazon Comprehend Medical e Amazon LLMs Bedrock offrano funzionalità potenti, hanno successo solo se vengono implementate e valutate correttamente. Utilizza le [informazioni e le [metriche](evaluation.md#evaluation-metrics) di valutazione](evaluation.md) descritte in questa guida per convalidare le prestazioni della tua soluzione.

Per le fasi successive, consigliamo ai responsabili IT, agli architetti e ai responsabili tecnici del settore sanitario di collaborare con AI/ML i professionisti per identificare le loro attività mediche legate alla PNL. Utilizza questa guida per scegliere un percorso di sviluppo, quindi utilizza le funzionalità e le funzionalità appropriate Servizi AWS su cui implementare con successo una soluzione automatizzata. AWS

## AWS risorse
<a name="aws-resources"></a>
+ Documentazione di Amazon Comprehend Medical:
  + [Guida per gli sviluppatori](https://docs.aws.amazon.com/comprehend-medical/latest/dev/comprehendmedical-welcome.html)
  + [Documentazione di riferimento delle API](https://docs.aws.amazon.com/comprehend-medical/latest/api/Welcome.html)
+ [Documentazione Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html)
  + [Valutazione del modello Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/model-evaluation.html)
  + [Ottimizzazione in Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/custom-model-fine-tuning.html)
+ [Perfeziona un modello in Amazon AI SageMaker ](https://docs.aws.amazon.com/sagemaker/latest/dg/jumpstart-foundation-models-use-studio-updated-fine-tune.html)
+ [Amazon SageMaker Ground Truth](https://docs.aws.amazon.com/sagemaker/latest/dg/sms.html)
+ [Rilevamento della tossicità con Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/trust-safety.html#toxicity-detection)
+ [AWS Partner con competenze sanitarie](https://aws.amazon.com/health/healthcare-partner-solutions/)

## Altre risorse
<a name="other-resources"></a>
+ [Apri la classifica Medical-LLM](https://huggingface.co/spaces/openlifescienceai/open_medical_llm_leaderboard)
+ [Un'indagine sui grandi modelli linguistici per l'assistenza sanitaria: dai dati, alla tecnologia e alle applicazioni alla responsabilità e all'etica](https://arxiv.org/pdf/2310.05694)
+ [I modelli linguistici di grandi dimensioni sono programmatori medici scadenti: analisi comparativa dell'interrogazione dei codici medici](https://ai.nejm.org/doi/pdf/10.1056/AIdbp2300040)
+ [Dal principiante all'esperto: modellare le conoscenze mediche in conoscenze generali LLMs](https://arxiv.org/html/2312.01040v3)