К содержанию
hegai.media
Новости

AWS показала пример агентного конвейера для обработки медицинских страховых заявок на базе Amazon Bedrock и HealthLake

AWS описала архитектуру автоматизированной обработки медицинских страховых заявок на базе сервисов Amazon Bedrock и AWS HealthLake. Система рассчитана на работу с бумажными формами. Даже после оцифровки такие документы обычно требуют ручной проверки: ошибки возникают и при заполнении, и на этапе извлечения данных из сканов. Как пишет AWS Machine Learning Blog, предложенный подход объединяет интеллектуальное извлечение информации из документов и агентную проверку данных перед созданием структурированной записи.

В демонстрационной схеме медицинская организация загружает форму CMS-1500 в формате PDF в хранилище Amazon S3. Загрузка файла запускает дальнейшую обработку через AWS Lambda. Сервис Amazon Bedrock Data Automation извлекает из документа структурированные данные и формирует результат в JSON. Затем агент на базе Strands Agents, размещенный в Amazon Bedrock AgentCore, сверяет сведения с записями о пациентах и поставщиках услуг в AWS HealthLake.

Если данные проходят проверки на полноту и согласованность, агент создает стандартизированный ресурс заявки в формате FHIR (Fast Healthcare Interoperable Resources) в HealthLake. Параллельно система формирует два сообщения: техническое резюме для обработчиков заявок и понятное пациенту объяснение статуса. Оба уведомления отправляются через Amazon SNS. В описанной архитектуре AWS Lambda служит триггером событий и отслеживает прохождение документа по всем этапам обработки, а возникающие ошибки направляет в отдельную очередь для обработки исключений.

За извлечение данных отвечает Amazon Bedrock Data Automation. Сервис объединяет OCR, ML-модели и generative AI для обработки документов. Параметры извлечения задаются через Blueprints, это шаблоны, которые определяют, какие поля нужно находить и как их интерпретировать. В результате формируется набор структурированных данных с оценками уверенности и координатами bounding box для найденных полей и таблиц. Такой подход позволяет получать предсказуемое JSON-представление формы CMS-1500 даже при различиях в ее форматировании.

Ключевые факты

  • Форма страховой заявки CMS-1500 загружается в формате PDF в Amazon S3, после чего запускается конвейер обработки через AWS Lambda.

  • Amazon Bedrock Data Automation извлекает данные из документа и формирует структурированный результат в формате JSON.

  • Агент Strands Agents, размещённый в Amazon Bedrock AgentCore, проверяет данные по записям пациентов и поставщиков в AWS HealthLake и создаёт ресурс заявки в формате FHIR.

  • Система отправляет техническое резюме для обработчиков и объяснение статуса заявки для пациента через уведомления Amazon SNS.

Вопросы и ответы

Что именно автоматизируется в обработке страховой заявки и где остаётся контроль качества?

После загрузки PDF-формы CMS-1500 в Amazon S3 конвейер через AWS Lambda извлекает данные в JSON, сверяет их с записями пациентов и поставщиков в AWS HealthLake и только после проверки полноты и согласованности создаёт FHIR-ресурс заявки. Ошибки и исключения система отправляет в отдельную очередь для обработки.

Чем этот подход отличается от обычного OCR для страховых документов?

Amazon Bedrock Data Automation использует не только OCR, но и ML-модели с generative AI. Извлечение настраивается через Blueprints: шаблоны задают, какие поля искать и как интерпретировать данные, а результат включает JSON со значениями, оценками уверенности и координатами bounding box для полей и таблиц.

Какие данные получают сотрудники и пациенты после обработки заявки?

Система формирует два разных уведомления через Amazon SNS: техническое резюме для обработчиков страховых заявок и отдельное объяснение статуса заявки на понятном пациенту языке.

Контекст по теме