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.
# Creazione di soluzioni Retrieval Augmented Generation per il settore sanitario AWS
*Amazon Web Services Accenture e Cadiem ([collaboratori](contributors.md))*
*marzo 2025 (cronologia* [del documento](doc-history.md))
Prima dei modelli linguistici di grandi dimensioni (LLMs) e dell'intelligenza artificiale generativa, il compito di sviluppare applicazioni automatizzate e ad alta precisione nel settore sanitario era impegnativo. I metodi tradizionali si basavano in larga misura sull'immissione e l'analisi manuali dei dati. La complessità dell'analisi delle immagini mediche e delle cartelle cliniche dei pazienti richiedeva un ampio intervento umano, che spesso portava a flussi di lavoro frammentati e inefficienti. Il progresso delle tecnologie di intelligenza artificiale consente di creare applicazioni iperpersonalizzate su larga scala. Le applicazioni sanitarie possono ora integrarsi con le knowledge base mediche, interpretare le immagini diagnostiche con maggiore precisione e prevedere gli esiti dei pazienti utilizzando modelli predittivi.
Questa guida esplora come LLMs stiamo rivoluzionando l'assistenza sanitaria attraverso le applicazioni Retrieval Augmented Generation con cui è possibile creare. Servizi AWS*Retrieval Augmented Generation (RAG)* è una tecnologia di intelligenza artificiale generativa in cui un LLM fa riferimento a una fonte di dati autorevole esterna alle sue fonti di dati di addestramento prima di generare una risposta. Le applicazioni RAG basano i risultati del modello sulla conoscenza del mondo reale, che riduce le allucinazioni e aumenta la rilevanza della risposta. Nel settore sanitario, i RAG possono essere utilizzati per fornire informazioni up-to-date mediche accurate, garantendo che gli operatori sanitari abbiano accesso alle più recenti ricerche e linee guida cliniche. Trasformando i dati in informazioni fruibili e automatizzando processi complessi, queste tecnologie aiutano a migliorare l'assistenza ai pazienti, a semplificare le operazioni e a migliorare la produttività degli operatori sanitari.
In [Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html), puoi ottimizzarli LLMs e integrarli con agenti intelligenti per creare soluzioni sanitarie avanzate. Evidenziando la sinergia tra [Amazon OpenSearch Service](https://docs.aws.amazon.com/opensearch-service/latest/developerguide/what-is.html) e [Amazon Neptune](https://docs.aws.amazon.com/neptune/latest/userguide/intro.html), la guida dimostra come questi servizi elevano le soluzioni RAG attraverso una maggiore rilevanza della ricerca e un recupero avanzato di dati da più fonti. Puoi orchestrare soluzioni Amazon Bedrock complete che utilizzano agenti Amazon Bedrock e [https://python.langchain.com/docs/introduction/](https://python.langchain.com/docs/introduction/)coordinare senza problemi le interazioni tra diversi repository di dati. Questa integrazione dimostra la potenza della combinazione di servizi specializzati per creare sistemi basati sull'intelligenza artificiale più efficaci ed efficienti.
## Cura del paziente e produttività
Questa guida presenta due casi d'uso reali per l'assistenza e la produttività dei pazienti: l'[aumento dei dati dei pazienti e la [previsione](case-2.md) dei rischi](case-1.md) di riammissione. Fornisce modelli strategici per l'implementazione di queste soluzioni su larga scala, offrendo alle organizzazioni sanitarie un percorso chiaro verso l'industrializzazione dei processi basati sull'intelligenza artificiale. Grazie a queste informazioni, le istituzioni sanitarie possono utilizzare tecnologie di intelligenza artificiale avanzate per creare flussi di lavoro più efficienti e intelligenti.
## Gestione dei talenti
Questa guida delinea anche le strategie per riqualificare e consentire agli operatori sanitari di integrare senza problemi l'intelligenza artificiale generativa nelle loro routine quotidiane. Ciò può migliorare sia la produttività che la qualità dell'assistenza ai pazienti. Dotando la propria forza lavoro delle competenze necessarie per utilizzare efficacemente strumenti avanzati di intelligenza artificiale, le organizzazioni sanitarie possono massimizzare il ritorno sull'investimento e promuovere l'innovazione nella cura dei pazienti.
Questa [soluzione di gestione dei talenti](use-cases-talent-mgmt.md) basata sull'intelligenza artificiale include le seguenti funzionalità chiave:
+ **Analisi intelligente dei curriculum dei talenti: utilizzando** la tecnologia avanzata LLMs disponibile in Amazon Bedrock, questo strumento estrae e analizza in modo efficiente le competenze e gli attributi critici dei talenti dai curriculum. Questo strumento può semplificare il processo di reclutamento.
+ **Talent Knowledge Base**: basato su Amazon Neptune, questo database dinamico fornisce informazioni in tempo reale sui livelli di personale, sulla distribuzione delle competenze e sulle tendenze del settore. Questo ti aiuta a prendere decisioni basate sui dati sulla gestione della forza lavoro.
+ **Motore di raccomandazioni per l'apprendimento**: questo strumento basato sull'intelligenza artificiale identifica le lacune di competenze all'interno dell'organizzazione e consiglia programmi di formazione personalizzati per il personale medico. Questo strumento promuove lo sviluppo professionale continuo e aiuta la forza lavoro ad adattarsi alle tecnologie sanitarie in evoluzione.
Insieme, queste funzionalità basate sull'intelligenza artificiale aiutano a ottimizzare le prestazioni della forza lavoro, rivoluzionando la gestione dei talenti con maggiore intelligenza ed efficienza.