Come funziona Amazon Comprehend Medical

Amazon Comprehend Medical utilizza un modello pre-addestrato di elaborazione del linguaggio naturale (PNL) per analizzare il testo clinico non strutturato attraverso il rilevamento di entità. Un'entità è un riferimento testuale a informazioni mediche come condizioni mediche, farmaci o informazioni Health protette (PHI). Alcune operazioni vanno un ulteriore passo avanti rilevando le entità e poi collegando tali entità a ontologie standardizzate. Il modello viene costantemente addestrato su un ampio corpo di testi medici, quindi non è necessario fornire dati di formazione. Tutti i risultati includono un punteggio di affidabilità, che indica la fiducia di Amazon Comprehend Medical nell'accuratezza delle entità rilevate.

Sia il rilevamento di entità che il collegamento ontologico possono essere eseguiti come operazioni sincrone o asincrone:

• Operazioni sincrone: consente l'analisi su singoli documenti che restituiscono i risultati dell'analisi direttamente alle applicazioni. Utilizzare le operazioni a singolo documento quando si crea un'applicazione interattiva che funziona su un documento alla volta.

• Operazioni asincrone: consente l'analisi di una raccolta o un batch di documenti archiviati in un bucket Amazon S3. I risultati dell'analisi vengono restituiti in un bucket S3.

Nota

Amazon Comprehend Medical può analizzare solo il testo in inglese (US-EN).

Identificazione sincrona

LaRilevamento di entità v2eRileva PHIle operazioni rilevano entità in testo clinico non strutturato da singoli documenti. Invii un documento al servizio Amazon Comprehend Medical e ricevi i risultati dell'analisi nella risposta.

Analisi in batch asincrone

LaStart Entities Detection V2 JobeAvvia il lavoro di rilevamento di PHIle operazioni avviano lavori asincroni per rilevare riferimenti a informazioni mediche come condizioni mediche, trattamenti, test e risultati o informazioni sanitarie protette memorizzate in un secchio Amazon S3. L'output del processo di rilevamento è scritto in un bucket Amazon S3 separato dal quale può essere utilizzato per ulteriori elaborazioni o analisi a valle.

LaArticolo iniziale 10 cm di lavoro di conferenza, eStartrx Norm Lavoro come Conferenzale operazioni avviano l'ontologia che collega le operazioni batch che rilevano entità e collegano tali entità a codici standardizzati nelle basi di conoscenza RXNorm e ICD-10-CM.

Collegamento ontologico

LaInferico D 10 cm,Inferno Nomedct, ea Ferrx Normle operazioni rilevano potenziali condizioni mediche e farmaci e li collegano ai codici nelle basi di conoscenza ICD-10-CM, SNOMED CT o RXNorm, rispettivamente. È possibile utilizzare l'analisi batch di collegamento ontologico per analizzare una raccolta di documenti o un singolo documento di grandi dimensioni. Utilizzando la console o l'ontologia che collega le API batch, è possibile eseguire operazioni per avviare, arrestare, elencare e descrivere i processi di analisi batch in corso.

Collegamento ai concetti nella Conoscenze di Conoscenze ICD-10-CM

LaInferico D 10 cml'operazione rileva potenziali condizioni mediche e le collega ai codici della versione 2019 della Classificazione Internazionale delle Malattie, 10th Revision, Clinical Modification (ICD-10-CM). Per ogni potenziale condizione medica rilevata, Amazon Comprehend Medical elenca i codici e le descrizioni ICD-10-CM corrispondenti. Litested Medicalcondizioninei risultatiinclude un punteggio di confidenza, che indica la fiducia in cui Amazon Comprehend Medical hal'accuratezza delle entitàai concetti corrispondenti nei risultati.

Collegamento ai concetti nella base di conoscenza dei farmaci RXNorm

Laa Ferrx Norml'operazione identifica i farmaci elencati in una cartella del paziente come entità. Collega le entità agli identificatori di concetto (RxCuI) dal database RxNorm della National Library of Medicine. Ogni RxCuI è unico per diversi punti di forza e forme di dosaggio. Litestato medicoazioninei risultatiinclude un punteggio di confidenza, che indica la fiducia in cui Amazon Comprehend Medical hal'accuratezza delle entità corrispondenti ai concettidagliNorma RXknowledge base. Amazon Comprehend Medical elenca i principali RXCUI che potenzialmente corrispondono a ciascun farmaco rilevato in ordine decrescente in base al punteggio di fiducia.

Collegamento ai concetti nella base di conoscenza di SNOMED CT dei concetti medici

L'operazione InfersNoMedCT identifica i possibili concetti medici come entità e li collega ai codici della versione 2021-03 della Nomenclatura Sistematizzata della Medicina, Termini Clinici (SNOMED CT). SNOMED CT fornisce un vocabolario completo di concetti medici, tra cui condizioni mediche e anatomia, nonché test medici, trattamenti e procedure. Per ogni ID concettuale corrispondente, Amazon Comprehend Medical restituisce i primi cinque concetti medici, ognuno con un punteggio di fiducia e informazioni contestuali come caratteristiche e attributi. I concept ID di SNOMED CT possono quindi essere utilizzati per strutturare i dati clinici dei pazienti per la codifica medica, la segnalazione o l'analisi clinica quando vengono utilizzati con la poligerarchia TC SNOMED.