Guardoc Health 用 Amazon Nova 提升临床文档处理效率

医疗 AI 公司 Guardoc Health 通过 Amazon Bedrock 上的 Amazon Nova 模型系列，重构了长期护理机构的临床文档处理流程，相关指标显示文档错误率下降 46%、审计罚款减少 70%，单机构年化 ROI 超过 40 万美元。该方案已在高峰日单日处理逾 100 万份文档的生产环境中得到验证。

临床文档处理的核心挑战

护理与辅助生活机构每天面对的病历材料在格式上高度碎片化：可能是带手写批注的多页 PDF、决定保险覆盖的勾选型事前授权表单、嵌入在表格或扫描图中的用药清单，以及打印、手写与印章共存的患者入院表。

BMJ Quality and Safety 公布的研究显示，美国每年约有 1200 万成年人在门诊场景中受到诊断错误影响，信息处理失误被列为重要诱因之一。Guardoc Health 表示，在高峰日其系统每日处理超过 100 万份文档；若条件检出错误率为 1%，每天将产生数以千计的错误记录，每一条都对应着潜在的患者安全风险或合规隐患。

技术方案：RAG 驱动的多阶段管线

整套管线建立在 Amazon Nova 模型与 Amazon Bedrock 之上，目标直指临床文档处理中三项最难的子任务：高召回率地识别特殊医疗条件、稳定解析多种表单中的 PDF 勾选框，以及在同一页面内混合格式中精确抽取信息。管线主要阶段包括：

• 通过 Amazon Textract 提取每页文本与结构化元数据，作为低成本的初步抽取环节；
• 按临床单元（如用药列表、诊断章节、医生笔记）切分抽取内容，避免按字节任意切片导致上下文碎片化；
• 使用 Amazon Titan Text Embeddings V2 生成向量嵌入，按患者维度分区存入 DynamoDB，确保检索不会跨患者越界；
• 通过自定义预过滤器，根据文档类型、新近度和患者上下文信号缩小候选集，降低后续检索成本；
• 在过滤后的集合中使用内存 k-NN 搜索定位最相关片段，仅返回页码引用供后续多模态环节使用。

效果与业务价值

Guardoc Health 公开报告的关键收益如下：

• 文档错误率下降 46%；
• 审计罚款减少 70%；
• 单机构每年 ROI 超过 40 万美元。

整套方案针对长期护理与辅助生活中心场景，将原本依赖人工复核的复杂文档解析任务，转化为基于生成式 AI 与 RAG 的可重复、可审计流程。该案例展示了 Amazon Nova 系列模型与 Bedrock 平台在领域专用检索增强生成管线中的具体落地路径。