Consultoría Inpharmativ
Ancaster, ON
Consultoría de datos sanitarios y ciencias de la vida
• Amazon S3 • AWS Lambda • Amazon API Gateway • Amazon Bedrock • Amazon RDS for PostgreSQL • Amazon OpenSearch Service • AWS Identity and Access Management • Amazon CloudWatch
Inpharmativ Consulting elabora listas de médicos relevantes utilizando fuentes de investigación públicas. La empresa quería automatizar y escalar este trabajo con IA generativa, manteniendo al mismo tiempo los costes y el tiempo de rentabilidad ajustados. Avahi diseñó e implementó un sistema de datos y recuperación listo para producción en AWS que automatiza la extracción de entidades, impulsa un asistente de búsqueda basado en RAG y expone los resultados a través de API seguras. El compromiso se estructuró para ajustarse a una ventana de ingeniería de seis semanas, financiada a través de créditos AWS GenAI Prod.
Inpharmativ Consulting opera en el ámbito de los datos sanitarios y las ciencias de la vida, ayudando a los clientes a identificar médicos e investigadores basándose en publicaciones, actividades en conferencias y señales públicas relacionadas en todo Canadá.
El descubrimiento manual de médicos no se escalaba con las crecientes fuentes de datos o la complejidad de las consultas. Los analistas tenían que examinar documentos de investigación, resúmenes y perfiles de autores, lo que ralentizaba el tiempo de respuesta y aumentaba el riesgo de resultados incoherentes.
Inpharmativ necesitaba la extracción automatizada de personas, instituciones y temas médicos, además de una forma de conectar a los médicos con afecciones con relevancia semántica y luego devolver resultados de forma programática. Sin una solución, el equipo seguiría dedicando grandes cantidades de tiempo de analistas a tareas repetitivas de búsqueda y curación, y los tiempos de respuesta se alargarían a medida que creciera el volumen de datos.
Cualquier automatización también tenía que respetar una lista controlada de fuentes públicas, incluidas PubMed, Google Scholar, sitios web de conferencias y bases de datos de revistas.
AWS proporcionó bloques de construcción administrados para IA generativa y canalizaciones de datos, incluido Amazon Bedrock para el acceso a modelos, servicios sin servidor para la ingesta y las API, y almacenamiento administrado para datos estructurados y vectoriales. El uso de estos servicios ayudó al equipo a entregar rápidamente sin operaciones pesadas de plataforma.
El proyecto también se alineó con la financiación de AWS GenAI Prod, lo que contuvo el costo y respaldó la ventana de entrega de seis semanas.
Avahi es un AWS Premier Tier Services Partner con patrones repetibles para búsqueda GenAI, extracción de entidades e implementación en producción. El equipo se comprometió a iteración rápida, demostraciones frecuentes y validación del cliente en ciclos de tres días, y a entregar dentro del cronograma del cliente.
Avahi implementa en la cuenta de AWS del cliente; el cliente conserva la propiedad del código, los modelos, las API y los resultados, lo que coincidía con los requisitos de gobernanza de Inpharmativ.
Avahi implementó una canalización de extremo a extremo que ingiere datos de investigación públicos, los enriquece con NLP y entrega resultados de médicos clasificados a través de una API.
Ingesta y preprocesamiento de datos. Las fuentes incluyeron PubMed, Google Scholar, sitios web de conferencias y bases de datos de revistas. El web scraping mejorado extrajo texto estructurado y no estructurado de artículos, resúmenes y perfiles de autores. La canalización normalizó el texto, eliminó duplicados y preparó contenido multilingüe para el NLP posterior.
Extracción y enriquecimiento de entidades. Con modelos alojados en Amazon Bedrock, el sistema aplicó reconocimiento de entidades con nombre para capturar nombres de médicos, afiliaciones, temas de investigación y afecciones médicas. Se generaron embeddings para calcular la similitud semántica entre el cuerpo de trabajo de un médico y las afecciones especificadas por el usuario. Esto produjo relaciones legibles por máquina que asignan médicos a áreas de enfoque médico.
Almacenamiento y recuperación. Las relaciones de médicos se almacenan en Amazon RDS for PostgreSQL. Los embeddings se indexan en un almacén vectorial, Amazon OpenSearch Service o ChromaDB. La recuperación admite búsqueda semántica y un flujo de trabajo RAG.
Asistente inteligente y API. Una base de conocimiento optimizada para recuperación alimenta a un LLM a través de Amazon Bedrock, que ensambla la respuesta final. Los resultados se entregan mediante Amazon API Gateway y AWS Lambda, lo que permite a Inpharmativ integrarse directamente con aplicaciones internas.
Operaciones y seguridad. La preparación de datos utiliza Amazon S3. El registro y las métricas usan Amazon CloudWatch. El acceso se gobierna con AWS Identity and Access Management. Avahi entregó documentación, scripts de implementación y runbooks limitados a las funciones creadas en este proyecto.
El compromiso cumplió las necesidades de Inpharmativ de una canalización y una API listas para producción, manteniendo el alcance y el costo dentro de una ventana estrechamente gestionada. El resultado es una experiencia de descubrimiento asistida por IA que muestra médicos relevantes por afección y enfoque de investigación, respaldada por runbooks documentados y una propiedad clara en la cuenta de AWS del cliente.
Métricas documentadas:
Consultoría Inpharmativ
Ancaster, ON
Consultoría de datos sanitarios y ciencias de la vida
• Amazon S3 • AWS Lambda • Amazon API Gateway • Amazon Bedrock • Amazon RDS for PostgreSQL • Amazon OpenSearch Service • AWS Identity and Access Management • Amazon CloudWatch
Inpharmativ Consulting elabora listas de médicos relevantes utilizando fuentes de investigación públicas. La empresa quería automatizar y escalar este trabajo con IA generativa, manteniendo al mismo tiempo los costes y el tiempo de rentabilidad ajustados. Avahi diseñó e implementó un sistema de datos y recuperación listo para producción en AWS que automatiza la extracción de entidades, impulsa un asistente de búsqueda basado en RAG y expone los resultados a través de API seguras. El compromiso se estructuró para ajustarse a una ventana de ingeniería de seis semanas, financiada a través de créditos AWS GenAI Prod.
Inpharmativ Consulting opera en el ámbito de los datos sanitarios y las ciencias de la vida, ayudando a los clientes a identificar médicos e investigadores basándose en publicaciones, actividades en conferencias y señales públicas relacionadas en todo Canadá.
El descubrimiento manual de médicos no se escalaba con las crecientes fuentes de datos o la complejidad de las consultas. Los analistas tenían que examinar documentos de investigación, resúmenes y perfiles de autores, lo que ralentizaba el tiempo de respuesta y aumentaba el riesgo de resultados incoherentes.
Inpharmativ necesitaba la extracción automatizada de personas, instituciones y temas médicos, además de una forma de conectar a los médicos con afecciones con relevancia semántica y luego devolver resultados de forma programática. Sin una solución, el equipo seguiría dedicando grandes cantidades de tiempo de analistas a tareas repetitivas de búsqueda y curación, y los tiempos de respuesta se alargarían a medida que creciera el volumen de datos.
Cualquier automatización también tenía que respetar una lista controlada de fuentes públicas, incluidas PubMed, Google Scholar, sitios web de conferencias y bases de datos de revistas.
AWS proporcionó bloques de construcción administrados para IA generativa y canalizaciones de datos, incluido Amazon Bedrock para el acceso a modelos, servicios sin servidor para la ingesta y las API, y almacenamiento administrado para datos estructurados y vectoriales. El uso de estos servicios ayudó al equipo a entregar rápidamente sin operaciones pesadas de plataforma.
El proyecto también se alineó con la financiación de AWS GenAI Prod, lo que contuvo el costo y respaldó la ventana de entrega de seis semanas.
Avahi es un AWS Premier Tier Services Partner con patrones repetibles para búsqueda GenAI, extracción de entidades e implementación en producción. El equipo se comprometió a iteración rápida, demostraciones frecuentes y validación del cliente en ciclos de tres días, y a entregar dentro del cronograma del cliente.
Avahi implementa en la cuenta de AWS del cliente; el cliente conserva la propiedad del código, los modelos, las API y los resultados, lo que coincidía con los requisitos de gobernanza de Inpharmativ.
Avahi implementó una canalización de extremo a extremo que ingiere datos de investigación públicos, los enriquece con NLP y entrega resultados de médicos clasificados a través de una API.
Ingesta y preprocesamiento de datos. Las fuentes incluyeron PubMed, Google Scholar, sitios web de conferencias y bases de datos de revistas. El web scraping mejorado extrajo texto estructurado y no estructurado de artículos, resúmenes y perfiles de autores. La canalización normalizó el texto, eliminó duplicados y preparó contenido multilingüe para el NLP posterior.
Extracción y enriquecimiento de entidades. Con modelos alojados en Amazon Bedrock, el sistema aplicó reconocimiento de entidades con nombre para capturar nombres de médicos, afiliaciones, temas de investigación y afecciones médicas. Se generaron embeddings para calcular la similitud semántica entre el cuerpo de trabajo de un médico y las afecciones especificadas por el usuario. Esto produjo relaciones legibles por máquina que asignan médicos a áreas de enfoque médico.
Almacenamiento y recuperación. Las relaciones de médicos se almacenan en Amazon RDS for PostgreSQL. Los embeddings se indexan en un almacén vectorial, Amazon OpenSearch Service o ChromaDB. La recuperación admite búsqueda semántica y un flujo de trabajo RAG.
Asistente inteligente y API. Una base de conocimiento optimizada para recuperación alimenta a un LLM a través de Amazon Bedrock, que ensambla la respuesta final. Los resultados se entregan mediante Amazon API Gateway y AWS Lambda, lo que permite a Inpharmativ integrarse directamente con aplicaciones internas.
Operaciones y seguridad. La preparación de datos utiliza Amazon S3. El registro y las métricas usan Amazon CloudWatch. El acceso se gobierna con AWS Identity and Access Management. Avahi entregó documentación, scripts de implementación y runbooks limitados a las funciones creadas en este proyecto.
El compromiso cumplió las necesidades de Inpharmativ de una canalización y una API listas para producción, manteniendo el alcance y el costo dentro de una ventana estrechamente gestionada. El resultado es una experiencia de descubrimiento asistida por IA que muestra médicos relevantes por afección y enfoque de investigación, respaldada por runbooks documentados y una propiedad clara en la cuenta de AWS del cliente.
Métricas documentadas:
Exploremos juntos sus oportunidades de IA de alto impacto en una sesión gratuita
