Notre cas d’utilisation met à profit les grands modèles de langage (LLM) pour traiter d’importants volumes de données à l’échelle de l’entreprise afin de générer des graphes de connaissances interconnectés, permettant des décisions plus éclairées et globales alimentées par les données. Cela élimine les inefficacités et les délais du processus existant qui nécessite des compétences spécialisées et coûteuses.

Ce cas d'utilisation aborde le problème de l'abandon des patients au niveau du site des essais cliniques en fournissant des informations proactives sur les phénotypes des patients, en regroupant les patients selon leur niveau de risque et en prédisant leur probabilité d'abandon.

Actuellement, le processus manuel de saisie des cas entraîne des retards et des erreurs. Notre cas d’utilisation, construit à l’aide de LLM et de modèles de traitement du langage naturel (NLP), offre une extraction de cas automatisée, une interprétation, une génération de recommandations et une identification potentielle d’événements indésirables afin de réduire le temps de traitement, diminuer les erreurs et permettre aux experts en pharmacovigilance de se concentrer sur d’autres domaines clés.

Le réviseur de documents GxP réduit le temps et les efforts nécessaires pour s'assurer que les documents sont prêts pour l'audit et conformes aux exigences GxP en utilisant une révision automatisée alimentée par GenAI des pratiques de documentation à travers les livrables de validation.

Cette solution résout l’opération très manuelle et chronophage de comparer de longs documents directeurs en utilisant l’automatisation et un outil GenIA entraîné sur des documents similaires, ce qui permet un processus plus efficace et amélioré.

PROMIS de HCLTech permet la capture automatique des informations des patients à l’aide d’un agent GenAI doté de la synthèse vocale et d’autres fonctionnalités, afin d’améliorer et de personnaliser l’intégration des patients à l’hôpital tout en éliminant les inefficacités du processus manuel actuel.