기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# 다음 단계 및 리소스
<a name="next-steps"></a>

이 가이드는 AWS 서비스 를 사용하여 프로덕션 환경에서 실제 애플리케이션을 위한 의료 NLP 및 생성형 AI 작업을 자동화하는 데 도움이 됩니다. Amazon Comprehend Medical, Amazon Bedrock에서 지원되는 LLMs, 사전 훈련된 의료 LLMs 또는 미세 조정된 LLMs을 사용하여 의료 및 생명과학 비즈니스 목표를 달성하는 방법을 설명합니다. 이 가이드에서는 다음 접근 방식의 장점과 제한 사항에 대해 설명합니다.
+ Amazon Comprehend Medical을 독립적으로 사용
+ LLM에 Amazon Comprehend Medical 결과 제공
+ 검색 증강 생성(RAG) 접근 방식에서 사전 훈련된 일반 LLM 또는 의료 LLM 사용
+ 일반 LLM 또는 의료 LLM 미세 조정

이 가이드의 [의사 결정 트리](choosing-approach.md)와 [비즈니스 성숙도 고려](choosing-approach.md#business-maturity) 사항을 사용하여 조직의 AI/ML 성숙도 수준에 따라 이러한 접근 방식 중에서 선택합니다. Amazon Comprehend Medical 및 Amazon Bedrock LLMs 강력한 기능을 제공하지만 제대로 구현하고 평가하는 경우에만 성공합니다. 이 가이드에 설명된 [평가 정보](evaluation.md) 및 [지표](evaluation.md#evaluation-metrics)를 사용하여 솔루션의 성능을 검증합니다.

다음 단계에서는 의료 IT 관리자, 아키텍트 및 기술 책임자가 AI/ML 실무자와 협력하여 NLP 의료 작업을 식별하는 것이 좋습니다. 이 가이드를 사용하여 개발 경로를 선택한 다음 적절한 AWS 서비스 및 기능을 사용하여 자동화된 솔루션을 성공적으로 구현합니다 AWS.

## AWS 리소스
<a name="aws-resources"></a>
+ Amazon Comprehend Medical 설명서:
  + [개발자 안내서](https://docs.aws.amazon.com/comprehend-medical/latest/dev/comprehendmedical-welcome.html)
  + [API Reference](https://docs.aws.amazon.com/comprehend-medical/latest/api/Welcome.html)
+ [Amazon Bedrock 설명서](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html)
  + [Amazon Bedrock 모델 평가](https://docs.aws.amazon.com/bedrock/latest/userguide/model-evaluation.html)
  + [Amazon Bedrock의 미세 조정](https://docs.aws.amazon.com/bedrock/latest/userguide/custom-model-fine-tuning.html)
+ [Amazon SageMaker AI에서 모델 미세 조정](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)
+ [Amazon Comprehend 유해성 감지](https://docs.aws.amazon.com/comprehend/latest/dg/trust-safety.html#toxicity-detection)
+ [AWS 의료 역량 파트너](https://aws.amazon.com/health/healthcare-partner-solutions/)

## 기타 리소스
<a name="other-resources"></a>
+ [Medical-LLM 리더보드 열기](https://huggingface.co/spaces/openlifescienceai/open_medical_llm_leaderboard)
+ [의료용 대규모 언어 모델 설문 조사: 데이터, 기술, 애플리케이션부터 책임 및 관리에 이르기까지](https://arxiv.org/pdf/2310.05694)
+ [대규모 언어 모델은 불량한 의료 코드 제공자 - 의료 코드 쿼리 벤치마킹](https://ai.nejm.org/doi/pdf/10.1056/AIdbp2300040)
+ [초보자에서 전문가로: 의료 지식을 일반 LLMs으로 모델링](https://arxiv.org/html/2312.01040v3)