Как Mariana.AI ускорила генерацию клинических заметок на 82% с помощью AWS Bedrock и Claude

82% сокращение времени проверки отчётов — такой результат добилась Mariana.AI после миграции с OpenAI на AWS Bedrock с использованием Claude Sonnet.

Зависимость от одного поставщика LLM замедляла развитие

Mariana.AI использовала OpenAI для автоматизации клинической документации и медицинского кодирования из расшифровок разговоров врача и пациента. Система работала, но имела ограничения: недостаточная точность тона, клиническая релевантность и полная зависимость от одного вендора. Команда хотела снизить риски и найти более гибкое решение, которое масштабировалось бы без нарушения существующих workflows.

Миграция на AWS Bedrock с Claude и Langchain для валидации в реальном времени

GoML разработала standalone proof of concept, который сравнивал Claude модели (Sonnet 3.5, 3.7, 4) с существующей OpenAI-системой. Тестирование проводилось отдельно от production, чтобы не нарушить текущие процессы. В архитектуре использовались: Portkey и Langchain для оркестрации промптов, Claude Sonnet как основной LLM, ECR контейнеры для предобработки, OpenSearch для векторного индексирования, и CMO-агент для валидации отчётов. CI/CD пайплайны на GitHub и Docker обеспечили быструю итерацию.

Показатель	До	После	Результат
Время проверки отчётов	100%	18%	-82%
Скорость генерации заметок	1x	3x	+200%
Соответствие схеме выходных данных	-	97%	+97%
Точность ответов (F-score)	базовая	+65%	+65%

"GoML's решение дало нам структурированные, точные клинические заметки с валидацией в реальном времени. Теперь мы готовы к интеграции с EHR и голосовому отчётности", — старший менеджер продукта Mariana.AI.

Вывод

Кейс Mariana.AI показывает, что миграция с одного LLM на другой — это не просто смена API. Это возможность переархитектурить систему для точности, соответствия и масштабируемости. Подход применим для любых healthtech-компаний, которые генерируют структурированные документы (клинические заметки, отчёты, коды) и хотят снизить зависимость от одного вендора. Комбинация Claude + AWS Bedrock + schema validation особенно эффективна в regulated industries, где нужна explainability и audit trail.

Источник: https://goml.io/case-study/ai-clinical-notes-migration-mariana

Как Mariana.AI ускорила генерацию клинических заметок на 82% с помощью AWS Bedrock и Claude

Похожие статьи

Поделиться в соц. сетях

Комментарии