Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Bagaimana Amazon Comprehend Medical bekerja
Amazon Comprehend Medical menggunakan model pemrosesan bahasa alami (NLP) yang telah terlatih untuk menganalisis teks klinis yang tidak terstruktur melalui deteksi entitas. Entitas adalah referensi tekstual untuk informasi medis seperti kondisi medis, obat-obatan, atau Informasi Health Terlindungi (PHI). Beberapa operasi melangkah lebih jauh dengan mendeteksi entitas dan kemudian menghubungkan entitas tersebut ke ontologi standar. Model ini terus dilatih pada sejumlah besar teks medis, sehingga Anda tidak perlu memberikan data pelatihan. Semua hasil mencakup skor kepercayaan, yang menunjukkan kepercayaan bahwa Amazon Comprehend Medical memiliki keakuratan entitas yang terdeteksi.
Deteksi entitas dan penautan ontologi dapat dilakukan baik sebagai operasi sinkron atau asinkron:
-
Operasi sinkron- Memungkinkan analisis pada dokumen tunggal yang mengembalikan hasil analisis langsung ke aplikasi Anda. Gunakan operasi dokumen tunggal saat Anda membuat aplikasi interaktif yang bekerja pada satu dokumen sekaligus.
-
Operasi asinkron — Mengaktifkan analisis pengumpulan atau kumpulan dokumen yang disimpan dalam bucket Amazon S3. Hasil analisis dikembalikan dalam bucket S3.
catatan
Amazon Comprehend Medical hanya dapat menganalisis teks dalam bahasa Inggris (AS-EN).
Deteksi entitas sinkron
ParameterDetectentitiesV2danDetectPhimendeteksi entitas dalam teks klinis yang tidak terstruktur dari dokumen individual. Anda mengirim dokumen ke layanan Amazon Comprehend Medical dan menerima hasil analisis dalam tanggapan.
Analisis batch asinkron
ParameterStartentitiesDetectionV2JobdanStartPhiDetectionJoboperasi memulai pekerjaan asinkron untuk mendeteksi referensi informasi medis seperti kondisi medis, perawatan, pengujian, dan hasil atau informasi kesehatan yang dilindungi yang disimpan dalam bucket Amazon S3. Output dari pekerjaan pendeteksian ditulis ke bucket Amazon S3 terpisah yang dapat digunakan untuk pemrosesan lebih lanjut atau analisis hilir.
ParameterStarticD10CminferenceJob, danStartrXNorminferenceJoboperasi mulai ontologi menghubungkan operasi batch yang mendeteksi entitas dan menghubungkan entitas tersebut ke kode standar dalam basis pengetahuan RxNorm dan ICD-10-CM.
Menghubungkan Ontologi
ParameterInferiCD10cm,InfersNomedCT, danInferRxNormoperasi mendeteksi kondisi medis potensial dan obat-obatan dan menghubungkan mereka ke kode di ICD-10-CM, SNOMED CT, atau RxNorm basis pengetahuan, masing-masing. Anda dapat menggunakan ontologi menghubungkan analisis batch untuk menganalisis koleksi dokumen atau satu dokumen besar. Dengan menggunakan konsol atau ontologi menghubungkan API batch, Anda dapat melakukan operasi untuk memulai, menghentikan, daftar, dan menjelaskan pekerjaan analisis batch yang sedang berlangsung.
Menghubungkan ke konsep dalam basis pengetahuan ICD-10-CM tentang kondisi medis
ParameterInferiCD10cmoperasi mendeteksi kondisi medis potensial dan menghubungkannya dengan kode dari versi 2019 Klasifikasi Penyakit Internasional, Revisi ke-10, Modifikasi Klinis (ICD-10-CM). Untuk setiap kondisi medis potensial yang terdeteksi, Amazon Comprehend Medical mencantumkan kode dan deskripsi ICD-10-CM yang cocok. Liconditionshasiltermasuk skor kepercayaan diri, yang menunjukkan kepercayaan yang dimiliki Amazon Comprehend Medicalkeakuratan entitasdengan konsep yang cocok dalam hasil.
Menghubungkan ke konsep di basis pengetahuan RxNorm obat
ParameterInferRxNormoperasi mengidentifikasi obat yang tercantum dalam catatan pasien sebagai entitas. Ini menghubungkan entitas ke pengidentifikasi konsep (RxCui) dari database RxNorm dari National Library of Medicine. Setiap RxCui unik untuk kekuatan dan bentuk dosis yang berbeda. Listed medicationshasiltermasuk skor kepercayaan diri, yang menunjukkan kepercayaan yang dimiliki Amazon Comprehend Medicalkeakuratan entitas yang cocok dengan konsepdariRxNormbasis pengetahuan. Amazon Comprehend Medical mencantumkan RXCuis teratas yang berpotensi cocok untuk setiap obat yang dideteksi dalam urutan menurun berdasarkan skor kepercayaan.
Menghubungkan ke konsep dalam basis pengetahuan SNOMED CT konsep medis
Operasi InfersNomedCT mengidentifikasi kemungkinan konsep medis sebagai entitas dan menghubungkannya ke kode dari versi 2021-03 dari Nomenklatur Kedokteran Sistematis, Istilah Klinis (SNOMED CT). SNOMED CT menyediakan kosakata komprehensif konsep medis, termasuk kondisi medis dan anatomi, serta tes medis, perawatan, dan prosedur. Untuk setiap ID konsep yang cocok, Amazon Comprehend Medical mengembalikan lima konsep medis teratas, masing-masing dengan skor kepercayaan diri dan informasi kontekstual seperti sifat dan atribut. ID konsep CT SNOMED kemudian dapat digunakan untuk menyusun data klinis pasien untuk pengkodean medis, pelaporan, atau analisis klinis bila digunakan dengan polyhierarki CT SNOMED.