使用 Amazon Connect 和 Amazon Lex 自动化制药行业的不良事件报告 架构博客

自动化药品不良事件报告的解决方案

关键要点

制药公司需提供客户报告药品使用后不良事件的渠道，以符合监管要求。采用亚马逊Connect和Lex的自助服务交互式语音响应IVR解决方案，提高了客户体验并降低了运营成本。该框架可以作为参考，帮助其他制药公司应对类似问题。

每个制造药品的制药公司都必须为全国客户提供报告药品使用后不良事件的途径，并在需要时提供紧急协助。为了遵守监管政策并启用不良事件报告系统AERS，制药公司需提供专用的免费电话号码和联系中心代理处理入境电话。

此外，他们还必须准备好应对突发的通话量峰值，这可能增加联系中心代理的工作负担，并导致客户的等待时间过长。在这些限制下，客户可能无法及时报告不良事件。

而且，随着药品状态的变化，所有代理必须重新培训以处理来电并提供支持。制药公司在培训和引入额外代理方面花费巨大成本，同时还需要支持他们工作的物理基础设施。

为了克服这些挑战，我们设计了一种自助服务的交互式语音响应IVR解决方案，利用了亚马逊Connect。该IVR解决方案在没有代理介入的情况下处理客户呼叫，捕获客户信息并将数据记录到企业AERS中。它还提供了通过短信SMS接收不良事件AE门户链接的选项，或转接到人工代理队列。

在这篇博客中，我们介绍了这个用例的参考架构。这一框架能帮助其他制药公司解决类似的问题。

解决方案概览

让我们逐步探讨IVR解决方案架构如何路由客户呼叫，如下图所示：

拨打电话报告药品相关不良事件的来电者通过IVR被路由到亚马逊Lex聊天机器人。来电者可以进入IVR自助服务功能，如理解客户来电的意图和不良事件。通过亚马逊SageMaker分析不良事件，以决定是继续在IVR中完成通话，还是转接给代理。如果来电者保持在自助服务选项中，聊天机器人会捕获15到20个重要问题的信息。聊天机器人遵循一种混合工作流，在适当的情况下允许指导回应，并通过AWS Lambda进行自由文本对话。在结束通话并将信息提交到AERS系统之前，确认与来电者捕获的不良事件信息。聊天机器人提供了上下文相关的转接到人工代理的选项。聊天机器人通过亚马逊简单通知服务SNS提供分享不良事件报告链接的选项，来电者可以通过移动设备访问它以继续报告不良事件。聊天机器人使用亚马逊DynamoDB记录客户交互，利用不良事件门户团队当前验证的流程。聊天机器人将通话录音提供给审计、监控和培训之用。这些录音不会提供给人工代理。提供标准分析以帮助企业持续培训聊天机器人并评估其表现。

利用IVR作为扩展解决方案

录制的客户电话可以通过亚马逊Transcribe进行进一步分析。通过使用机器学习ML模型，比如不良事件检测，可以从文本中提取可操作的见解，同时命名实体识别模型NER模型也可以识别药品和来电者类型。

加速器永久免费版加速器

此外，所有录制的通话都可以存储在安全的AWS生态系统中，并为合规目的进行长期归档。通过设置政策将旧通话迁移到亚马逊简单存储服务冰川S3 Glacier存储类，并将两年以上的通话迁移到亚马逊S3深度冰川存储类。这将大幅节省成本，帮助公司规模化归档。

最后，亚马逊Lex聊天机器人可以不断进行附加意图和发音的训练，以处理各种药品的不良事件报告。这为公司提供了显著的成本节省和运营效率，因为机器人可以比人工代理更快且更大规模地进行培训。

结论：利用IVR更好地管理不良事件报告

该IVR解决方案已为一家制药公司部署，帮助其处理不寻常高的通话量，有效解决不良事件报告，降低了联系中心操作成本，并显著改善了客户体验，缩短了等待时间。

IVR解决方案还可与任何现有的联系中心平台结合使用，首先将电话转接至亚马逊Connect进行初步筛选，然后再交给现有平台进行代理介入。这为现有联系中心增添了智能。

这篇博客展示了制药公司如何利用自助服务选项来处理任何不良事件报告呼叫。在通过亚马逊SageMaker模型进行解决方案增强后，该系统可以迅速转变为处理任何药品的呼叫。它们还可以：

将诸如年龄、性别或现有不良事件等相关信息整合到模型中，以进一步提高机器学习预测性能。利用音频数据增强加上手工特征，帮助产生更好的预测。在亚马逊Connect联系流程中使用基于音频的诊断预测，以筛选目标来电组，并在必要时升级到医生进行后续跟进。允许呼叫中心代理利用声学分类提供的智能，与Contact Lens对接，提供逐步转录、实时警报、基于关键词和短语的自动通话分类、情绪分析和敏感数据编辑，真正实现实时智能解决方案。

IVR解决方案还可以用于其他行业用例，其中需要收集客户数据。这一解决方案提升了客户体验，并且可以在不增加呼叫中心代理数量的情况下实施。

标签 AI 联系中心解决方案 客户解决方案 ML