本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 为医疗保健行业创建检索增强一代解决方案 AWS
<a name="introduction"></a>

*Amazon Web Services Accenture、和Cadiem（[贡献者](contributors.md)）*

*2025 年 3 月*（[文档历史记录](doc-history.md)）

在大型语言模型 (LLMs) 和生成式人工智能出现之前，在医疗保健行业开发自动化和高精度应用程序是一项艰巨的任务。传统方法严重依赖手动数据输入和分析。分析医学影像和患者记录的复杂性需要大量的人为干预，这通常会导致工作流程分散且效率低下。人工智能技术的进步可帮助您大规模构建超个性化的应用程序。医疗保健应用程序现在可以与医学知识库集成，更准确地解释诊断图像，并使用预测模型预测患者预后。

本指南探讨了如何通过可以 LLMs 用来构建的检索增强生成应用程序来彻底改变医疗保健。 AWS 服务*检索增强生成 (RAG)* 是一种生成式人工智能技术，其中法学硕士在生成响应之前引用其训练数据源之外的权威数据源。RAG 应用程序将模型的输出建立在现实世界知识的基础上，从而减少幻觉并增加反应相关性。在医疗保健领域，RAG可用于提供准确的 up-to-date医疗信息，确保医疗保健提供者能够获得最新的研究和临床指南。通过将数据转化为切实可行的见解并自动化复杂的流程，这些技术有助于增强患者护理、简化运营并提高医疗保健专业人员的工作效率。

在 [Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html) 中，您可以对其进行微调 LLMs 并将其与智能代理集成，以创建高级医疗解决方案。该指南重点介绍了 [Amazon Serv OpenSearch ic](https://docs.aws.amazon.com/opensearch-service/latest/developerguide/what-is.html) e 和 [Amazon Neptune](https://docs.aws.amazon.com/neptune/latest/userguide/intro.html) 之间的协同作用，演示了这些服务如何通过增强的搜索相关性和高级多源数据检索来提升 RAG 解决方案。您可以编排全面的 Amazon Bedrock 解决方案，这些解决方案使用 Amazon Bedrock 代理 [LangChain](https://python.langchain.com/docs/introduction/)，并无缝协调不同数据存储库之间的交互。这种集成展示了组合专业服务以创建更有效、更高效的人工智能驱动系统的力量。

## 患者护理和工作效率
<a name="intro-patient-care"></a>

本指南介绍了患者护理和生产力的两个现实用例：[患者数据增强](case-1.md)和[再入院风险预测](case-2.md)。它为大规模实施这些解决方案提供了战略蓝图，为医疗保健组织提供了实现人工智能驱动流程工业化的明确途径。通过这些见解，医疗机构可以使用先进的人工智能技术来创建更高效、更智能的工作流程。

## 人才管理
<a name="intro-talent-management"></a>

本指南还概述了重新培养技能和增强医护人员能力的策略，使他们能够将生成人工智能无缝整合到他们的日常生活中。这可以提高工作效率和患者护理质量。通过为员工提供有效使用高级人工智能工具的技能，医疗保健组织可以最大限度地提高投资回报率并推动患者护理创新。

这个由人工智能驱动[的人才管理解决方案](use-cases-talent-mgmt.md)包括以下主要功能：
+ **智能人才简历解析器** — 通过使用 Amazon Bedrock 中 LLMs 提供的高级功能，该工具可以有效地提取和分析简历中的关键人才技能和属性。该工具可以简化招聘流程。
+ **人才知识库** — 这个动态数据库由 Amazon Neptune 提供支持，可提供有关人员配备水平、技能分布和行业趋势的实时见解。这可以帮助您就劳动力管理做出以数据为依据的决策。
+ **学习推荐引擎** — 这款由人工智能驱动的工具可识别组织内部的技能差距，并为医务人员推荐个性化培训计划。该工具可促进持续的专业发展，并帮助您的员工适应不断变化的医疗保健技术。

这些人工智能驱动的功能共同帮助优化员工绩效，通过提高智能和效率来彻底改变人才管理。