Guardoc Health Gumagamit ng Amazon Nova AI para Magproseso ng Mahigit Isang Milyong Clinical Documents Kada Araw
Gumagamit ang Guardoc Health ng mga Amazon Nova AI model sa pamamagitan ng Amazon Bedrock upang iproseso ang mahigit isang milyong clinical documents bawat araw.
Ang Guardoc Health ay gumagawa ng clinical documentation software para sa mga long-term care provider. Layunin ng kanilang AI system na makita ang documentation errors, compliance risks, at mahahalagang kondisyon ng pasyente bago pa ito humantong sa maling treatment, denied Medicare claims, audit penalties, o legal problems.
Malaking Hamon sa Clinical Documentation
Iba’t ibang uri ng dokumento ang kailangang suriin ng Guardoc Health, kabilang ang:
- Multi-page PDF files
- Handwritten notes ng mga doktor
- Prior authorization forms
- Medication lists
- Patient intake forms
- Documents na may checkboxes, signatures, stamps, at handwritten corrections
Hindi sapat ang ordinaryong optical character recognition o OCR para sa ganitong komplikadong records. May mga pagkakataong ang isang handwritten note ay maaaring baguhin ang kahulugan ng isang checkbox o printed medical instruction.
Ayon sa research na inilathala sa BMJ Quality and Safety, tinatayang humigit-kumulang 12 milyong outpatient sa United States ang naaapektuhan ng diagnostic errors bawat taon. Isa sa mga posibleng dahilan nito ay ang maling paghawak, pagbasa, o pagproseso ng medical information.
Sa dami ng dokumentong pinoproseso ng Guardoc, kahit isang porsiyentong error rate lamang ay maaaring lumikha ng libo-libong maling records kada araw.
Mga Resultang Iniulat ng Guardoc Health
Ayon sa Guardoc Health, nakatulong ang kanilang AI system upang makamit ang sumusunod:
- 46% reduction sa documentation errors
- 70% reduction sa audit fines
- Mahigit $400,000 annual return on investment para sa isang healthcare facility
Sa isang quarterly deployment na sumaklaw sa dalawang pasilidad at 200 pasyente, sinabi ng kumpanya na nakagawa ang kanilang system ng:
- 847 documentation corrections
- 86 alerts na konektado sa reimbursement accuracy
- 74% reduction sa hospital transfers kada 100 admissions
Sa isa pang case study na sumaklaw sa pitong pasilidad at 1,618 residents, nakakita umano ang system ng 10,612 documentation issues.
Gayunman, hindi inilathala ng kumpanya ang kumpletong baseline data at methodology sa likod ng ilan sa mga resultang ito. Dahil dito, kailangang ituring ang mga numero bilang company-reported findings hangga’t wala pang independent verification.
Paano Gumagana ang AI Pipeline
Gumagamit ang Guardoc Health ng retrieval-augmented generation o RAG. Sa prosesong ito, kumukuha muna ang system ng relevant information mula sa sariling medical records ng pasyente bago bumuo ng classification o recommendation.
1. Amazon Textract
Unang sinusuri ng Amazon Textract ang bawat dokumento upang kunin ang printed text, tables, at structural information.
2. Clinical Document Chunking
Hinahati ang extracted content ayon sa medical sections. Halimbawa, pinananatiling buo ang medication list o diagnosis section sa halip na hatiin lamang batay sa bilang ng characters.
3. Amazon Titan Text Embeddings V2
Ginagawang numerical representations o embeddings ang bawat section upang mas madaling mahanap ng system ang relevant medical information.
4. Amazon DynamoDB
Iniimbak ang data ayon sa bawat pasyente. Mahalaga ito upang matiyak na hindi nahahalo ang medical records ng isang pasyente sa records ng ibang tao.
5. Amazon Nova 2 Lite
Ang Nova 2 Lite ang nagsasagawa ng unang text-based screening upang alisin ang mga dokumentong malinaw na hindi relevant sa classification request.
6. Amazon Nova Pro
Ang mga dokumentong nakapasa sa unang screening ay ipinapadala sa Amazon Nova Pro.
Dahil multimodal ang model, kaya nitong suriin hindi lamang ang text kundi pati ang:
- Document layout
- Handwriting
- Checkboxes
- Signatures
- Rubber stamps
- Tables
- Original PDF structure
Sa ganitong sistema, ginagamit muna ang mas mura at mas mabilis na AI components para sa high-volume processing. Ang mas advanced at mas mahal na multimodal reasoning ay ginagamit lamang sa mga dokumentong nangangailangan nito.
Mga Dokumentong Pinakamahirap Basahin
Ayon sa Guardoc Health, dalawa sa pinakamahirap iprosesong bahagi ng clinical documents ay ang physician attestation fields at patient-reported symptom sections.
Sa prior authorization forms, maaaring may handwritten note na nagbabago o kumokontra sa isang printed checkbox. Sa patient symptom sections naman, maaaring nasa sulat-kamay lamang ang mahalagang impormasyon na wala sa ibang bahagi ng medical record.
Mahirap ding iproseso ang medication lists dahil maaaring lumabas ang drug names, dosage, route, at frequency sa iba’t ibang format. Maaari itong nasa structured table, physician notes, handwritten additions, o paulit-ulit na na-fax na dokumento.
Upang mabawasan ang errors, pinagsasama ng Guardoc ang output ng Amazon Textract at ang original PDF. Pagkatapos, sinusuri ng Amazon Nova Pro ang parehong sources upang maintindihan ang wrapped columns, handwritten additions, at non-standard layouts na hindi kayang basahin nang maayos ng OCR lamang.
AI Bilang Suporta, Hindi Kapalit ng Healthcare Professionals
Ayon kay Assaf Amiaz, Director of Product ng Guardoc Health, nakatutulong ang Amazon Nova models upang mas maagang makita ng healthcare organizations ang high-risk cases.
Sa pamamagitan ng automation, maaaring mabawasan ang oras na ginugugol ng medical staff sa manual document review at maitutuon ang kanilang panahon sa patient care.
Gayunman, mahalagang tandaan na ang AI-generated classifications ay dapat pa ring dumaan sa tamang clinical review, data privacy controls, at human oversight. Sa healthcare, hindi sapat na mabilis lamang ang AI. Kailangan din itong maging accurate, secure, transparent, at accountable.
Ang deployment ng Guardoc Health ay nagpapakita kung paano maaaring gamitin ang multimodal AI hindi lamang sa pakikipag-usap sa mga pasyente, kundi pati sa likod ng healthcare system kung saan milyon-milyong dokumento ang kailangang basahin, suriin, at i-validate araw-araw.
