本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 在 AWS 上為醫療保健建立擷取增強生成解決方案
<a name="introduction"></a>

*Amazon Web ServicesAccenture、 和 Cadiem([貢獻者](contributors.md))*

*2025 年 3 月* ([文件歷史記錄](doc-history.md))

在大型語言模型 LLMs) 和生成式 AI 之前，在醫療保健產業中開發自動化和高精確度應用程式的任務具有挑戰性。傳統方法非常依賴手動資料輸入和分析。分析醫療影像和病患記錄的複雜性需要大量的人工介入，這通常會導致分段和效率低下的工作流程。AI 技術的進展可協助您大規模建置超個人化應用程式。醫療保健應用程式現在可以與醫療知識庫整合、以更高的準確性解譯診斷影像，以及使用預測模型預測患者結果。

本指南探討 LLMs如何透過您可以使用的擷取增強生成應用程式來徹底改變醫療保健 AWS 服務。*擷取增強產生 (RAG)* 是一種生成式 AI 技術，其中 LLM 會在產生回應之前參考訓練資料來源以外的授權資料來源。RAG 應用程式以實際知識為基礎模型的輸出，可減少幻覺並提高回應相關性。在醫療保健領域中，RAG 可用來提供準確up-to-date醫療資訊，確保醫療保健供應商可以存取最新的研究和臨床指導方針。透過將資料轉換為可行的洞見並自動化複雜的程序，這些技術有助於增強患者護理、簡化操作並改善醫療專業人員的生產力。

在 [Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html) 中，您可以微調 LLMs並將其與智慧型代理程式整合，以建立進階醫療保健解決方案。本指南強調 [Amazon OpenSearch Service](https://docs.aws.amazon.com/opensearch-service/latest/developerguide/what-is.html) 與 [Amazon Neptune](https://docs.aws.amazon.com/neptune/latest/userguide/intro.html) 之間的協同作用，示範這些服務如何透過增強的搜尋相關性和進階多來源資料擷取來提升 RAG 解決方案。您可以協調使用 Amazon Bedrock 代理程式的全方位 Amazon Bedrock 解決方案[LangChain](https://python.langchain.com/docs/introduction/)，並無縫協調不同資料儲存庫之間的互動。此整合示範了結合專業服務的力量，以建立更有效且高效率的 AI 驅動系統。

## 病患照護和生產力
<a name="intro-patient-care"></a>

本指南提供兩種患者護理和生產力的實際使用案例：[患者資料擴增](case-1.md)和[預測重新入院風險](case-2.md)。它提供策略藍圖來大規模實作這些解決方案，為醫療保健組織提供工業化 AI 驅動程序的明確途徑。透過這些洞見，醫療保健機構可以使用進階 AI 技術來建立更有效率、更智慧的工作流程。

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

本指南也概述了重新訓練和授權醫療保健工作者將生成式 AI 無縫整合到其日常工作的策略。這可以提高生產力和患者護理品質。透過讓員工具備有效使用進階 AI 工具的技能，醫療保健組織可以最大限度地提高投資回報，並推動患者護理方面的創新。

此採用 AI 技術的[人才管理解決方案](use-cases-talent-mgmt.md)包含下列主要功能：
+ **智慧型人才恢復剖析器** – 透過使用 Amazon Bedrock 中可用的進階 LLMs，此工具可從恢復有效率地擷取和分析關鍵人才技能和屬性。此工具可以簡化招聘程序。
+ **人才知識庫** – 採用 Amazon Neptune 技術，此動態資料庫提供人員配置層級、技能分佈和產業趨勢的即時洞見。這可協助您做出有關人力資源管理的資料驅動型決策。
+ **學習建議引擎** – 此 AI 驅動工具可識別組織內的技能差距，並為醫務人員建議個人化的訓練計畫。此工具可促進持續的專業開發，並協助您的人力適應不斷發展的醫療保健技術。

這些 AI 驅動功能共同協助最佳化人力資源效能，以更高的智慧和效率徹底改變人才管理。