AWS GraphRAG versnelt medicijnonderzoek met 87%

Sophie Jansen · 2026-07-09

Een recente implementatie van AWS GraphRAG heeft de onderzoeks- en ontwikkelingscycli in farmaceutische omgevingen met maar liefst 87 procent verkort. Die versnelling komt doordat voorheen gescheiden databases worden samengevoegd tot een enkele, doorzoekbare kennisgraaf. Klinkt ingewikkeld? Eigenlijk valt het mee. ### Waarom dit zo'n groot verschil maakt Vroeger duurde het ophalen en screenen van data al snel meer dan zes maanden per ronde. En dan had je nog maar een schamele vijf procent kans op succes. Belangrijke datasets – van specifieke klinische meetwaarden tot interne labnotities – lagen verspreid over allerlei systemen. Dat maakte het voor datawetenschappers bijna onmogelijk om verbanden te zien. En als een ervaren medewerker vertrok, nam die alle projectkennis mee. Het onderzoek lag dan stil. ### AWS lost het op met een slimme combinatie AWS bouwde een oplossing die al die systemen aan elkaar koppelt. Ze combineren grafdatabases met natuurlijke taalverwerking (NLP). Het hart van het systeem is een GraphRAG-framework, met Amazon Neptune Analytics en Bedrock als belangrijkste onderdelen. Het resultaat? Een netwerk van losse data die opeens met elkaar praat. Gebruikers kunnen gewoon vragen stellen in hun eigen woorden en krijgen antwoorden die gebaseerd zijn op zowel wetenschappelijke literatuur als interne databases. ### De uitdaging: data normalisatie Toch is het niet allemaal rozengeur en maneschijn. Het samenvoegen van eigen datasets met rommelige, openbare bronnen brengt flinke normalisatieproblemen met zich mee. Je hebt strikte regels nodig voor de structuur van de data. Anders maak je verkeerde verbanden en riskeer je dat het systeem dingen verzint – ook wel hallucinaties genoemd. ### Hoe de kennisgraaf wordt opgebouwd Bedrijven kunnen hun eigen kennisgrafen aansluiten. Het systeem haalt rommelige bestanden uit openbare databases zoals PubMed en mengt ze met interne bedrijfsdata. Tools zoals Amazon Comprehend Medical scannen die tekst om standaard medische codes te herkennen. Amazon Bedrock, met Anthropic's Claude 4.5 Sonnet, vat de documenten samen en bepaalt waar ze over gaan. Vervolgens zorgen AWS Lambda-functies en Amazon S3 ervoor dat de verwerkte data in Amazon Neptune Analytics terechtkomt. De kennisgraaf structureert alles in knooppunten: entiteiten zoals medicijnklassen, auteurs, tijdschriften en tekstfragmenten. De verbindingen tussen die knooppunten leggen relaties vast, zoals hiërarchische classificaties en associaties. ### Kosten en resources Het draaien van deze graafarchitectuur kost wel wat. Een standaard Amazon Neptune Analytics-graaf met 16 geheugeneenheden kost ongeveer €0,44 per uur. Ontwikkelomgevingen, zoals Amazon SageMaker Jupyter notebooks op t3.medium-instanties, komen daar nog bij. En vergeet de variabele kosten voor tokens niet die Amazon Bedrock verbruikt tijdens het verwerken van vragen. ### Hoe het systeem vragen beantwoordt De GraphRAG-toolkit vormt de schakel tussen de gebruiker en de database. Een speciale Knowledge Graph Linker verwerkt binnenkomende vragen, haalt relevante entiteiten eruit met behulp van fuzzy string indexing, en koppelt die aan bestaande knooppunten. Het systeem doorzoekt dan het netwerk om logische verbanden te vinden en stelt een antwoord op via het Bedrock-taalmodel. ### Waarom precisie cruciaal is De nauwkeurigheid hangt af van hoe goed entiteiten worden gematcht. Een EntityLinker-component zet natuurlijke taal uit gebruikersvragen om naar de gestructureerde dataschema. Dit fuzzy matching-proces is bepalend voor de kwaliteit van de antwoorden. Een kleine fout in de matching kan leiden tot verkeerde conclusies. ### Wat betekent dit voor de praktijk? > "Vroeger kostte het maanden om de juiste data te vinden. Nu kunnen onderzoekers in minuten antwoorden krijgen op complexe vragen." Voor farmaceutische bedrijven betekent dit snellere doorlooptijden, minder verspilling en hopelijk meer succesvolle medicijnen. Het is een flinke stap vooruit in een sector waar tijd letterlijk levens kan redden.