利用 AWS 上的 AI 缩短医疗理赔审核时间：EXL Medical IDP 解决方案 | Amazon Web Services

📌 One-Sentence Summary EXL 在 AWS 上开发了一套 AI 驱动的医疗智能文档处理（IDP）解决方案，将无需模板的提取技术（Xtrakto.AI）与领域特定微调的 LLM 相结合，将医疗理赔审核时间从数天缩短至数小时。 📝 Summary EXL Medical IDP 解决方案解决了保险理赔和承保中手动审核医疗记录的低效问题。该系统通过集成用于无模板文档摄取与提取的 Xtrakto.AI，以及基于九年领域数据微调的专用「EXL Insurance LLM」，将非结构化医疗文档转化为可操作的智能信息。该架构构建于 AWS 之上，利用 Amazon SageMaker AI 进行 PEFT/LoRA 微调与推理，使用 Amazon Textract 进行 OCR，并通过 AWS Step Functions 进行编排。整个流水线涵盖七个阶段：分类、基于上下文的带置信度评分提取、数据富化、智能摘要、自然语言查询、可追溯的深度推理以及结构化输出生成，同时确保符合 HIPAA 标准的安全性和负责任的 AI 防护措施。 💡 Main Points 混合 AI 方法：无模板 IDP + 领域特定 LLM 该解决方案将「提取」层（Xtrakto.AI）与「智能」层（EXL Insurance LLM）分离。前者利用计算机视觉和智能体工作流处理非结构化布局，后者则提供医疗推理和摘要能力。 领域特定微调优于简单提示词工程 通用 LLM 缺乏保险理赔所需的专业词汇和推理模式；EXL 在 SageMaker AI 上使用 13，500 多条精选记录进行 PEFT/LoRA 微调，从而在医疗标签标注和摘要方面实现了稳定的性能。 对复杂医疗数据的鲁棒处理 流水线通过结合用于图像清理的 CNN/RCNN 模型，以及基于 LangGraph 的智能体工作流处理非结构化医生笔记，从而有效管理包括 25-30% 手写内容在内的高变异输入。 企业级可追溯性与治理 为满足监管要求，系统实现了源级可追溯性（将 AI 输出链接至原始文档片段）、符合 HIPAA 标准的去标识化，以及针对低置信度提取结果的人机协作（Human-in-the-loop）验证。 💬 Key Quotes 保险理赔审核员在手动审核医疗记录时，每个案例需花费 100 分钟以上。 EXL 没有依赖缺乏专业保险和医疗领域知识的通用 LLM，而是在 Amazon SageMaker AI 上构建了一个专用训练模型。 在决策必须可审计且可辩护的监管环境中，这种可追溯性至关重要。 EXL 将医疗记录审核时间从数天缩短至数小时，并在关键阶段引入人机协作验证以维持质量。 📊 Article Meta AI Screening： 87 Source： AWS Artificial Intelligence Author： Anutosh Category： 人工智能 Language： 英文 Read Time： 13 min Word Count： 3088 Tags： AI 与智能应用 , AI 工程 , 文档解析 , AI 工作流 , 大语言模型 (LLM) Read Full Article