PHI erkennen

Verwenden Sie die Operation DetectPhi, wenn Sie beim Scannen des klinischen Textes nur geschützte Gesundheitsinformationen (PHI) erkennen möchten. Verwenden DetectEntities Sie V2, um alle verfügbaren Entitäten im klinischen Text zu ermitteln.

Diese API eignet sich am besten für einen Anwendungsfall, in dem nur die Erkennung von PHI-Entitäten erforderlich ist. Hinweise zu Informationen in den Nicht-PHI-Kategorien finden Sie unterEntitäten erkennen (Version 2).

Wichtig

Amazon Comprehend Medical bietet Konfidenzwerte, die das Maß an Vertrauen in die Genauigkeit der erkannten Entitäten angeben. Bewerten Sie diese Konfidenzwerte und ermitteln Sie den richtigen Vertrauensschwellenwert für Ihren Anwendungsfall. Für spezielle Anwendungsfälle zur Einhaltung von Vorschriften empfehlen wir, zusätzliche menschliche Untersuchungen oder andere Methoden zu verwenden, um die Richtigkeit der erkannten PHI zu bestätigen.

Gemäß dem HIPAA-Gesetz müssen PHI, die auf einer Liste von 18 Identifikatoren basieren, mit besonderer Vorsicht behandelt werden. Amazon Comprehend Medical erkennt Entitäten, die mit diesen Kennungen verknüpft sind, aber diese Entitäten werden der durch die Safe-Harbor-Methode angegebenen Liste nicht 1:1 zugeordnet. Nicht alle Identifikatoren sind in unstrukturiertem klinischem Text enthalten, Amazon Comprehend Medical deckt jedoch alle relevanten Identifikatoren ab. Diese Identifikatoren bestehen aus Daten, die zur Identifizierung eines einzelnen Patienten verwendet werden können, einschließlich der folgenden Liste. Weitere Informationen finden Sie unter Datenschutz in Gesundheitsinformationen auf der Website der US-Regierung für Health und Soziales.

Jede PHI-bezogene Entität enthält eine Punktzahl (Scorein der Antwort), die angibt, inwieweit Amazon Comprehend Medical in die Genauigkeit der Erkennung vertraut. Identifizieren Sie den richtigen Vertrauensschwellenwert für Ihren Anwendungsfall und filtern Sie Entitäten heraus, die diesen Schwellenwert nicht erfüllen. Bei der Identifizierung von PHI-Vorkommen ist es möglicherweise besser, einen niedrigen Konfidenzschwellenwert für die Filterung zu verwenden, um mehr potenziell erkannte Entitäten zu erfassen. Dies gilt insbesondere dann, wenn die Werte der erkannten Entitäten nicht in Compliance-Anwendungsfällen verwendet werden.

Die folgenden PHI-bezogenen Entitäten können erkannt werden, indem die Operationen DetectPhi oder DetectEntities V2 ausgeführt werden:

Erkannte PHI-Entitäten
Entität	Beschreibung	HIPAA-Kategorie
AGE	Alle Altersbestandteile, Altersspannen und jedes erwähnte Alter, unabhängig davon, ob es sich um einen Patienten, ein Familienmitglied oder andere an der Notiz beteiligte Personen handelt. Die Standardeinstellung ist in Jahren angegeben, sofern nicht anders angegeben.	3. Daten, die sich auf eine Person beziehen
DATUM	Jedes Datum, das sich auf den Patienten oder die Patientenversorgung bezieht.	3. Daten, die sich auf eine Person beziehen
NAME	Alle Namen, die in der klinischen Notiz erwähnt werden und in der Regel einem Patienten, einer Familie oder einem Anbieter gehören.	1. Name
TELEFON_ODER_FAX	Jedes Telefon, Fax, Pager; ausgenommen benannte Telefonnummern wie 1-800-QUIT-NOW und 911.	4. Phone number (Telefonnummer) 5. FAX-Nummer
EMAIL	Beliebige E-Mail-Adresse.	6. E-Mail-Adressen
ID	Jede Art von Nummer, die mit der Identität eines Patienten verknüpft ist. Dazu gehören die Sozialversicherungsnummer, die Nummer der Krankenakte, die Identifikationsnummer der Einrichtung, die Nummer der klinischen Studie, die Zertifikat- oder Lizenznummer, die Fahrzeug- oder Gerätenummer. Dazu gehören auch biometrische Nummern und Nummern, die den Ort der Behandlung oder den Leistungserbringer identifizieren.	7. Sozialversicherungsnummer 8. Nummer der Krankenakte 9. Nummer Health Gesundheitsplans 10. Kontonummern 11. Zertifikats-/Lizenznummern 12. Fahrzeug-Identifikatoren 13. Gerätenummern 16. Biometrische Informationen 18. Alle anderen identifizierenden Merkmale
URL	Jede Web-URL.	14. URLs
ADDRESS	Dazu gehören alle geografischen Unterteilungen einer Adresse einer Einrichtung, benannte medizinische Einrichtungen oder Abteilungen innerhalb einer Einrichtung.	2. Geografischer Standort
BERUF	Schließt jeden Beruf oder Arbeitgeber ein, der in einer Notiz erwähnt wird und sich auf den Patienten oder dessen Familie bezieht.	18. Alle anderen identifizierenden Merkmale

Beispiel

Der Text „Patient ist John Smith, ein 48-jähriger Lehrer mit Wohnsitz in Seattle, Washington.“ Folgendes zurück:

• „John Smith“ als Entität des Typs NAME in der PROTECTED_HEALTH_INFORMATION Kategorie.

• „48" als Entität des Typs AGE in der PROTECTED_HEALTH_INFORMATION Kategorie.

• „Lehrer“ als eine Entität des Typs PROFESSION (identifizierendes Merkmal) in der PROTECTED_HEALTH_INFORMATION Kategorie.

• „Seattle, Washington“ als ADDRESS Entität in der PROTECTED_HEALTH_INFORMATION Kategorie.

In der Amazon Comprehend Medical Medical-Konsole wird dies wie folgt angezeigt:

Wenn Sie den DetectPhi-Vorgang verwenden, sieht die Antwort wie folgt aus. Wenn Sie den DetectionJobStartPhi-Vorgang verwenden, erstellt Amazon Comprehend Medical im Ausgabeverzeichnis eine Datei mit dieser Struktur.

{
    "Entities": [
        {
            "Id": 0,
            "BeginOffset": 11,
            "EndOffset": 21,
            "Score": 0.997368335723877,
            "Text": "John Smith",
            "Category": "PROTECTED_HEALTH_INFORMATION",
            "Type": "NAME",
            "Traits": []
        },
        {
            "Id": 1,
            "BeginOffset": 25,
            "EndOffset": 27,
            "Score": 0.9998362064361572,
            "Text": "48",
            "Category": "PROTECTED_HEALTH_INFORMATION",
            "Type": "AGE",
            "Traits": []
        },
        {
            "Id": 2,
            "BeginOffset": 37,
            "EndOffset": 44,
            "Score": 0.8661606311798096,
            "Text": "teacher",
            "Category": "PROTECTED_HEALTH_INFORMATION",
            "Type": "PROFESSION",
            "Traits": []
        },
        {
            "Id": 3,
            "BeginOffset": 61,
            "EndOffset": 68,
            "Score": 0.9629441499710083,
            "Text": "Seattle",
            "Category": "PROTECTED_HEALTH_INFORMATION",
            "Type": "ADDRESS",
            "Traits": []
        },
        {
            "Id": 4,
            "BeginOffset": 78,
            "EndOffset": 88,
            "Score": 0.38217034935951233,
            "Text": "Washington",
            "Category": "PROTECTED_HEALTH_INFORMATION",
            "Type": "ADDRESS",
            "Traits": []
        }
    ],
    "UnmappedAttributes": []
}