Exemplos do Amazon Comprehend Medical usando AWS CLI

PDF

Os exemplos de código a seguir mostram como realizar ações e implementar cenários comuns usando o AWS Command Line Interface com o Amazon Comprehend Medical.

Ações são trechos de código de programas maiores e devem ser executadas em contexto. Embora as ações mostrem como chamar perfis de serviço individuais, você pode ver as ações no contexto em seus cenários relacionados.

Cada exemplo inclui um link para o código-fonte completo, em que você pode encontrar instruções sobre como configurar e executar o código.

Ações

describe-entities-detection-v2-job

O código de exemplo a seguir mostra como usar describe-entities-detection-v2-job.

AWS CLI

Para descrever um trabalho de detecção de entidades

O exemplo describe-entities-detection-v2-job a seguir exibe as propriedades associadas a uma tarefa assíncrona de detecção de entidades.

aws comprehendmedical describe-entities-detection-v2-job \
    --job-id "ab9887877365fe70299089371c043b96"

Saída:

{
    "ComprehendMedicalAsyncJobProperties": {
        "JobId": "ab9887877365fe70299089371c043b96",
        "JobStatus": "COMPLETED",
        "SubmitTime": "2020-03-18T21:20:15.614000+00:00",
        "EndTime": "2020-03-18T21:27:07.350000+00:00",
        "ExpirationTime": "2020-07-16T21:20:15+00:00",
        "InputDataConfig": {
            "S3Bucket": "comp-med-input",
            "S3Key": ""
        },
        "OutputDataConfig": {
            "S3Bucket": "comp-med-output",
            "S3Key": "867139942017-EntitiesDetection-ab9887877365fe70299089371c043b96/"
        },
        "LanguageCode": "en",
        "DataAccessRoleArn": "arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole",
        "ModelVersion": "DetectEntitiesModelV20190930"
    }
}

Para obter mais informações, consulte Batch APIs no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte DescribeEntitiesDetectionV2Job na Referência de AWS CLI Comandos.

describe-entities-detection-v2-job

O código de exemplo a seguir mostra como usar describe-entities-detection-v2-job.

AWS CLI

Para descrever um trabalho de detecção de entidades

O exemplo describe-entities-detection-v2-job a seguir exibe as propriedades associadas a uma tarefa assíncrona de detecção de entidades.

aws comprehendmedical describe-entities-detection-v2-job \
    --job-id "ab9887877365fe70299089371c043b96"

Saída:

{
    "ComprehendMedicalAsyncJobProperties": {
        "JobId": "ab9887877365fe70299089371c043b96",
        "JobStatus": "COMPLETED",
        "SubmitTime": "2020-03-18T21:20:15.614000+00:00",
        "EndTime": "2020-03-18T21:27:07.350000+00:00",
        "ExpirationTime": "2020-07-16T21:20:15+00:00",
        "InputDataConfig": {
            "S3Bucket": "comp-med-input",
            "S3Key": ""
        },
        "OutputDataConfig": {
            "S3Bucket": "comp-med-output",
            "S3Key": "867139942017-EntitiesDetection-ab9887877365fe70299089371c043b96/"
        },
        "LanguageCode": "en",
        "DataAccessRoleArn": "arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole",
        "ModelVersion": "DetectEntitiesModelV20190930"
    }
}

Para obter mais informações, consulte Batch APIs no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte DescribeEntitiesDetectionV2Job na Referência de AWS CLI Comandos.

describe-icd10-cm-inference-job

O código de exemplo a seguir mostra como usar describe-icd10-cm-inference-job.

AWS CLI

Para descrever um trabalho de inferência da ICD-10-CM

O exemplo describe-icd10-cm-inference-job a seguir descreve as propriedades do trabalho de inferência solicitado com o job-id especificado.

aws comprehendmedical describe-icd10-cm-inference-job \
    --job-id "5780034166536cdb52ffa3295a1b00a7"

Saída:

{
    "ComprehendMedicalAsyncJobProperties": {
        "JobId": "5780034166536cdb52ffa3295a1b00a7",
        "JobStatus": "COMPLETED",
        "SubmitTime": "2020-05-18T21:20:15.614000+00:00",
        "EndTime": "2020-05-18T21:27:07.350000+00:00",
        "ExpirationTime": "2020-09-16T21:20:15+00:00",
        "InputDataConfig": {
            "S3Bucket": "comp-med-input",
            "S3Key": "AKIAIOSFODNN7EXAMPLE"
        },
        "OutputDataConfig": {
            "S3Bucket": "comp-med-output",
            "S3Key": "AKIAIOSFODNN7EXAMPLE"
        },
        "LanguageCode": "en",
        "DataAccessRoleArn": "arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole",
        "ModelVersion":  "0.1.0"
    }
}

Para obter mais informações, consulte Vinculação de ontologias a análises em lotes no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte DescribeIcd10 CmInferenceJob em Referência de AWS CLI comandos.

describe-icd10-cm-inference-job

O código de exemplo a seguir mostra como usar describe-icd10-cm-inference-job.

AWS CLI

Para descrever um trabalho de inferência da ICD-10-CM

O exemplo describe-icd10-cm-inference-job a seguir descreve as propriedades do trabalho de inferência solicitado com o job-id especificado.

aws comprehendmedical describe-icd10-cm-inference-job \
    --job-id "5780034166536cdb52ffa3295a1b00a7"

Saída:

{
    "ComprehendMedicalAsyncJobProperties": {
        "JobId": "5780034166536cdb52ffa3295a1b00a7",
        "JobStatus": "COMPLETED",
        "SubmitTime": "2020-05-18T21:20:15.614000+00:00",
        "EndTime": "2020-05-18T21:27:07.350000+00:00",
        "ExpirationTime": "2020-09-16T21:20:15+00:00",
        "InputDataConfig": {
            "S3Bucket": "comp-med-input",
            "S3Key": "AKIAIOSFODNN7EXAMPLE"
        },
        "OutputDataConfig": {
            "S3Bucket": "comp-med-output",
            "S3Key": "AKIAIOSFODNN7EXAMPLE"
        },
        "LanguageCode": "en",
        "DataAccessRoleArn": "arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole",
        "ModelVersion":  "0.1.0"
    }
}

Para obter mais informações, consulte Vinculação de ontologias a análises em lotes no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte DescribeIcd10 CmInferenceJob em Referência de AWS CLI comandos.

describe-phi-detection-job

O código de exemplo a seguir mostra como usar describe-phi-detection-job.

AWS CLI

Para descrever um trabalho de detecção de PHI

O exemplo describe-phi-detection-job a seguir exibe as propriedades associadas a uma tarefa assíncrona de detecção de informações de saúde protegidas (PHI).

aws comprehendmedical describe-phi-detection-job \
    --job-id "4750034166536cdb52ffa3295a1b00a3"

Saída:

{
    "ComprehendMedicalAsyncJobProperties": {
        "JobId": "4750034166536cdb52ffa3295a1b00a3",
        "JobStatus": "COMPLETED",
        "SubmitTime": "2020-03-19T20:38:37.594000+00:00",
        "EndTime": "2020-03-19T20:45:07.894000+00:00",
        "ExpirationTime": "2020-07-17T20:38:37+00:00",
        "InputDataConfig": {
            "S3Bucket": "comp-med-input",
            "S3Key": ""
        },
        "OutputDataConfig": {
            "S3Bucket": "comp-med-output",
            "S3Key": "867139942017-PHIDetection-4750034166536cdb52ffa3295a1b00a3/"
        },
        "LanguageCode": "en",
        "DataAccessRoleArn": "arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole",
        "ModelVersion": "PHIModelV20190903"
    }
}

Para obter mais informações, consulte Batch APIs no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte DescribePhiDetectionJobem Referência de AWS CLI Comandos.

describe-phi-detection-job

O código de exemplo a seguir mostra como usar describe-phi-detection-job.

AWS CLI

Para descrever um trabalho de detecção de PHI

O exemplo describe-phi-detection-job a seguir exibe as propriedades associadas a uma tarefa assíncrona de detecção de informações de saúde protegidas (PHI).

aws comprehendmedical describe-phi-detection-job \
    --job-id "4750034166536cdb52ffa3295a1b00a3"

Saída:

{
    "ComprehendMedicalAsyncJobProperties": {
        "JobId": "4750034166536cdb52ffa3295a1b00a3",
        "JobStatus": "COMPLETED",
        "SubmitTime": "2020-03-19T20:38:37.594000+00:00",
        "EndTime": "2020-03-19T20:45:07.894000+00:00",
        "ExpirationTime": "2020-07-17T20:38:37+00:00",
        "InputDataConfig": {
            "S3Bucket": "comp-med-input",
            "S3Key": ""
        },
        "OutputDataConfig": {
            "S3Bucket": "comp-med-output",
            "S3Key": "867139942017-PHIDetection-4750034166536cdb52ffa3295a1b00a3/"
        },
        "LanguageCode": "en",
        "DataAccessRoleArn": "arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole",
        "ModelVersion": "PHIModelV20190903"
    }
}

Para obter mais informações, consulte Batch APIs no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte DescribePhiDetectionJobem Referência de AWS CLI Comandos.

describe-rx-norm-inference-job

O código de exemplo a seguir mostra como usar describe-rx-norm-inference-job.

AWS CLI

Para descrever um trabalho de RxNorm inferência

O exemplo describe-rx-norm-inference-job a seguir descreve as propriedades do trabalho de inferência solicitado com o job-id especificado.

aws comprehendmedical describe-rx-norm-inference-job \
    --job-id "eg8199877365fc70299089371c043b96"

Saída:

{
    "ComprehendMedicalAsyncJobProperties": {
        "JobId": "g8199877365fc70299089371c043b96",
        "JobStatus": "COMPLETED",
        "SubmitTime": "2020-05-18T21:20:15.614000+00:00",
        "EndTime": "2020-05-18T21:27:07.350000+00:00",
        "ExpirationTime": "2020-09-16T21:20:15+00:00",
        "InputDataConfig": {
            "S3Bucket": "comp-med-input",
            "S3Key": "AKIAIOSFODNN7EXAMPLE"
        },
        "OutputDataConfig": {
            "S3Bucket": "comp-med-output",
            "S3Key": "AKIAIOSFODNN7EXAMPLE"
        },
        "LanguageCode": "en",
        "DataAccessRoleArn": "arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole",
        "ModelVersion": "0.0.0"
    }
}

Para obter mais informações, consulte Vinculação de ontologias a análises em lotes no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte DescribeRxNormInferenceJobem Referência de AWS CLI Comandos.

describe-rx-norm-inference-job

O código de exemplo a seguir mostra como usar describe-rx-norm-inference-job.

AWS CLI

Para descrever um trabalho de RxNorm inferência

O exemplo describe-rx-norm-inference-job a seguir descreve as propriedades do trabalho de inferência solicitado com o job-id especificado.

aws comprehendmedical describe-rx-norm-inference-job \
    --job-id "eg8199877365fc70299089371c043b96"

Saída:

{
    "ComprehendMedicalAsyncJobProperties": {
        "JobId": "g8199877365fc70299089371c043b96",
        "JobStatus": "COMPLETED",
        "SubmitTime": "2020-05-18T21:20:15.614000+00:00",
        "EndTime": "2020-05-18T21:27:07.350000+00:00",
        "ExpirationTime": "2020-09-16T21:20:15+00:00",
        "InputDataConfig": {
            "S3Bucket": "comp-med-input",
            "S3Key": "AKIAIOSFODNN7EXAMPLE"
        },
        "OutputDataConfig": {
            "S3Bucket": "comp-med-output",
            "S3Key": "AKIAIOSFODNN7EXAMPLE"
        },
        "LanguageCode": "en",
        "DataAccessRoleArn": "arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole",
        "ModelVersion": "0.0.0"
    }
}

Para obter mais informações, consulte Vinculação de ontologias a análises em lotes no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte DescribeRxNormInferenceJobem Referência de AWS CLI Comandos.

describe-snomedct-inference-job

O código de exemplo a seguir mostra como usar describe-snomedct-inference-job.

AWS CLI

Para descrever um trabalho de inferência da SNOMED CT

O exemplo describe-snomedct-inference-job a seguir descreve as propriedades do trabalho de inferência solicitado com o job-id especificado.

aws comprehendmedical describe-snomedct-inference-job \
    --job-id "2630034166536cdb52ffa3295a1b00a7"

Saída:

{
    "ComprehendMedicalAsyncJobProperties": {
        "JobId": "2630034166536cdb52ffa3295a1b00a7",
        "JobStatus": "COMPLETED",
        "SubmitTime": "2021-12-18T21:20:15.614000+00:00",
        "EndTime": "2021-12-18T21:27:07.350000+00:00",
        "ExpirationTime": "2022-05-16T21:20:15+00:00",
        "InputDataConfig": {
            "S3Bucket": "comp-med-input",
            "S3Key": "AKIAIOSFODNN7EXAMPLE"
        },
        "OutputDataConfig": {
            "S3Bucket": "comp-med-output",
            "S3Key": "AKIAIOSFODNN7EXAMPLE"
        },
        "LanguageCode": "en",
        "DataAccessRoleArn": "arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole",
        "ModelVersion":  "0.1.0"
    }
}

Para obter mais informações, consulte Vinculação de ontologias a análises em lotes no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte DescribeSnomedctInferenceJobem Referência de AWS CLI Comandos.

describe-snomedct-inference-job

O código de exemplo a seguir mostra como usar describe-snomedct-inference-job.

AWS CLI

Para descrever um trabalho de inferência da SNOMED CT

O exemplo describe-snomedct-inference-job a seguir descreve as propriedades do trabalho de inferência solicitado com o job-id especificado.

aws comprehendmedical describe-snomedct-inference-job \
    --job-id "2630034166536cdb52ffa3295a1b00a7"

Saída:

{
    "ComprehendMedicalAsyncJobProperties": {
        "JobId": "2630034166536cdb52ffa3295a1b00a7",
        "JobStatus": "COMPLETED",
        "SubmitTime": "2021-12-18T21:20:15.614000+00:00",
        "EndTime": "2021-12-18T21:27:07.350000+00:00",
        "ExpirationTime": "2022-05-16T21:20:15+00:00",
        "InputDataConfig": {
            "S3Bucket": "comp-med-input",
            "S3Key": "AKIAIOSFODNN7EXAMPLE"
        },
        "OutputDataConfig": {
            "S3Bucket": "comp-med-output",
            "S3Key": "AKIAIOSFODNN7EXAMPLE"
        },
        "LanguageCode": "en",
        "DataAccessRoleArn": "arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole",
        "ModelVersion":  "0.1.0"
    }
}

Para obter mais informações, consulte Vinculação de ontologias a análises em lotes no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte DescribeSnomedctInferenceJobem Referência de AWS CLI Comandos.

detect-entities-v2

O código de exemplo a seguir mostra como usar detect-entities-v2.

AWS CLI

Exemplo 1: detectar entidades diretamente do texto

O exemplo detect-entities-v2 a seguir mostra as entidades detectadas e as rotula de acordo com o tipo, diretamente do texto de entrada.

aws comprehendmedical detect-entities-v2 \
    --text "Sleeping trouble on present dosage of Clonidine. Severe rash on face and leg, slightly itchy."

Saída:

{
    "Id": 0,
    "BeginOffset": 38,
    "EndOffset": 47,
    "Score": 0.9942955374717712,
    "Text": "Clonidine",
    "Category": "MEDICATION",
    "Type": "GENERIC_NAME",
    "Traits": []
}

Para obter mais informações, consulte Detectar entidades versão 2 no Guia do desenvolvedor do Amazon Comprehend Medical.

Exemplo 2: detectar entidades a partir de um caminho de arquivo

O exemplo detect-entities-v2 a seguir mostra as entidades detectadas e as rotula de acordo com o tipo de um caminho de arquivo.

aws comprehendmedical detect-entities-v2 \
    --text file://medical_entities.txt

Conteúdo de medical_entities.txt:

{
    "Sleeping trouble on present dosage of Clonidine. Severe rash on face and leg, slightly itchy."
}

Saída:

{
    "Id": 0,
    "BeginOffset": 38,
    "EndOffset": 47,
    "Score": 0.9942955374717712,
    "Text": "Clonidine",
    "Category": "MEDICATION",
    "Type": "GENERIC_NAME",
    "Traits": []
}

Para obter mais informações, consulte Detectar entidades versão 2 no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte DetectEntitiesV2 na Referência de AWS CLI Comandos.

detect-entities-v2

O código de exemplo a seguir mostra como usar detect-entities-v2.

AWS CLI

Exemplo 1: detectar entidades diretamente do texto

O exemplo detect-entities-v2 a seguir mostra as entidades detectadas e as rotula de acordo com o tipo, diretamente do texto de entrada.

aws comprehendmedical detect-entities-v2 \
    --text "Sleeping trouble on present dosage of Clonidine. Severe rash on face and leg, slightly itchy."

Saída:

{
    "Id": 0,
    "BeginOffset": 38,
    "EndOffset": 47,
    "Score": 0.9942955374717712,
    "Text": "Clonidine",
    "Category": "MEDICATION",
    "Type": "GENERIC_NAME",
    "Traits": []
}

Para obter mais informações, consulte Detectar entidades versão 2 no Guia do desenvolvedor do Amazon Comprehend Medical.

Exemplo 2: detectar entidades a partir de um caminho de arquivo

O exemplo detect-entities-v2 a seguir mostra as entidades detectadas e as rotula de acordo com o tipo de um caminho de arquivo.

aws comprehendmedical detect-entities-v2 \
    --text file://medical_entities.txt

Conteúdo de medical_entities.txt:

{
    "Sleeping trouble on present dosage of Clonidine. Severe rash on face and leg, slightly itchy."
}

Saída:

{
    "Id": 0,
    "BeginOffset": 38,
    "EndOffset": 47,
    "Score": 0.9942955374717712,
    "Text": "Clonidine",
    "Category": "MEDICATION",
    "Type": "GENERIC_NAME",
    "Traits": []
}

Para obter mais informações, consulte Detectar entidades versão 2 no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte DetectEntitiesV2 na Referência de AWS CLI Comandos.

detect-phi

O código de exemplo a seguir mostra como usar detect-phi.

AWS CLI

Exemplo 1: detectar informações de saúde protegidas (PHI) diretamente do texto

O exemplo detect-phi a seguir exibe as entidades de informações de saúde protegidas (PHI) detectadas diretamente do texto de entrada.

aws comprehendmedical detect-phi \
    --text "Patient Carlos Salazar presented with rash on his upper extremities and dry cough. He lives at 100 Main Street, Anytown, USA where he works from his home as a carpenter."

Saída:

{
    "Entities": [
        {
            "Id": 0,
            "BeginOffset": 8,
            "EndOffset": 21,
            "Score": 0.9914507269859314,
            "Text": "Carlos Salazar",
            "Category": "PROTECTED_HEALTH_INFORMATION",
            "Type": "NAME",
            "Traits": []
        },
        {
            "Id": 1,
            "BeginOffset": 94,
            "EndOffset": 109,
            "Score": 0.871849775314331,
            "Text": "100 Main Street, Anytown, USA",
            "Category": "PROTECTED_HEALTH_INFORMATION",
            "Type": "ADDRESS",
            "Traits": []
        },
        {
            "Id": 2,
            "BeginOffset": 145,
            "EndOffset": 154,
            "Score": 0.8302185535430908,
            "Text": "carpenter",
            "Category": "PROTECTED_HEALTH_INFORMATION",
            "Type": "PROFESSION",
            "Traits": []
        }
    ],
    "ModelVersion": "0.0.0"
}

Para obter mais informações, consulte Detectar PHI no Guia do desenvolvedor do Amazon Comprehend Medical.

Exemplo 2: detectar informações de saúde protegidas (PHI) diretamente de um caminho de arquivo

O exemplo detect-phi a seguir mostra as entidades de informações de saúde protegidas (PHI) detectadas em um caminho de arquivo.

aws comprehendmedical detect-phi \
    --text file://phi.txt

Conteúdo de phi.txt:

"Patient Carlos Salazar presented with a rash on his upper extremities and a dry cough. He lives at 100 Main Street, Anytown, USA, where he works from his home as a carpenter."

Saída:

{
    "Entities": [
        {
            "Id": 0,
            "BeginOffset": 8,
            "EndOffset": 21,
            "Score": 0.9914507269859314,
            "Text": "Carlos Salazar",
            "Category": "PROTECTED_HEALTH_INFORMATION",
            "Type": "NAME",
            "Traits": []
        },
        {
            "Id": 1,
            "BeginOffset": 94,
            "EndOffset": 109,
            "Score": 0.871849775314331,
            "Text": "100 Main Street, Anytown, USA",
            "Category": "PROTECTED_HEALTH_INFORMATION",
            "Type": "ADDRESS",
            "Traits": []
        },
        {
            "Id": 2,
            "BeginOffset": 145,
            "EndOffset": 154,
            "Score": 0.8302185535430908,
            "Text": "carpenter",
            "Category": "PROTECTED_HEALTH_INFORMATION",
            "Type": "PROFESSION",
            "Traits": []
        }
    ],
    "ModelVersion": "0.0.0"
}

Para obter mais informações, consulte Detectar PHI no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte DetectPhiem Referência de AWS CLI Comandos.

detect-phi

O código de exemplo a seguir mostra como usar detect-phi.

AWS CLI

Exemplo 1: detectar informações de saúde protegidas (PHI) diretamente do texto

O exemplo detect-phi a seguir exibe as entidades de informações de saúde protegidas (PHI) detectadas diretamente do texto de entrada.

aws comprehendmedical detect-phi \
    --text "Patient Carlos Salazar presented with rash on his upper extremities and dry cough. He lives at 100 Main Street, Anytown, USA where he works from his home as a carpenter."

Saída:

{
    "Entities": [
        {
            "Id": 0,
            "BeginOffset": 8,
            "EndOffset": 21,
            "Score": 0.9914507269859314,
            "Text": "Carlos Salazar",
            "Category": "PROTECTED_HEALTH_INFORMATION",
            "Type": "NAME",
            "Traits": []
        },
        {
            "Id": 1,
            "BeginOffset": 94,
            "EndOffset": 109,
            "Score": 0.871849775314331,
            "Text": "100 Main Street, Anytown, USA",
            "Category": "PROTECTED_HEALTH_INFORMATION",
            "Type": "ADDRESS",
            "Traits": []
        },
        {
            "Id": 2,
            "BeginOffset": 145,
            "EndOffset": 154,
            "Score": 0.8302185535430908,
            "Text": "carpenter",
            "Category": "PROTECTED_HEALTH_INFORMATION",
            "Type": "PROFESSION",
            "Traits": []
        }
    ],
    "ModelVersion": "0.0.0"
}

Para obter mais informações, consulte Detectar PHI no Guia do desenvolvedor do Amazon Comprehend Medical.

Exemplo 2: detectar informações de saúde protegidas (PHI) diretamente de um caminho de arquivo

O exemplo detect-phi a seguir mostra as entidades de informações de saúde protegidas (PHI) detectadas em um caminho de arquivo.

aws comprehendmedical detect-phi \
    --text file://phi.txt

Conteúdo de phi.txt:

"Patient Carlos Salazar presented with a rash on his upper extremities and a dry cough. He lives at 100 Main Street, Anytown, USA, where he works from his home as a carpenter."

Saída:

{
    "Entities": [
        {
            "Id": 0,
            "BeginOffset": 8,
            "EndOffset": 21,
            "Score": 0.9914507269859314,
            "Text": "Carlos Salazar",
            "Category": "PROTECTED_HEALTH_INFORMATION",
            "Type": "NAME",
            "Traits": []
        },
        {
            "Id": 1,
            "BeginOffset": 94,
            "EndOffset": 109,
            "Score": 0.871849775314331,
            "Text": "100 Main Street, Anytown, USA",
            "Category": "PROTECTED_HEALTH_INFORMATION",
            "Type": "ADDRESS",
            "Traits": []
        },
        {
            "Id": 2,
            "BeginOffset": 145,
            "EndOffset": 154,
            "Score": 0.8302185535430908,
            "Text": "carpenter",
            "Category": "PROTECTED_HEALTH_INFORMATION",
            "Type": "PROFESSION",
            "Traits": []
        }
    ],
    "ModelVersion": "0.0.0"
}

Para obter mais informações, consulte Detectar PHI no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte DetectPhiem Referência de AWS CLI Comandos.

infer-icd10-cm

O código de exemplo a seguir mostra como usar infer-icd10-cm.

AWS CLI

Exemplo 1: detectar entidades de condições médicas e vincular à ontologia da ICD-10-CM diretamente do texto

O exemplo infer-icd10-cm a seguir rotula as entidades de condições médicas detectadas e vincula essas entidades com códigos na edição de 2019 da International Classification of Diseases Clinical Modification (ICD-10-CM).

aws comprehendmedical infer-icd10-cm \
    --text "The patient complains of abdominal pain, has a long-standing history of diabetes treated with Micronase daily."

Saída:

{
    "Entities": [
        {
            "Id": 0,
            "Text": "abdominal pain",
            "Category": "MEDICAL_CONDITION",
            "Type": "DX_NAME",
            "Score": 0.9475538730621338,
            "BeginOffset": 28,
            "EndOffset": 42,
            "Attributes": [],
            "Traits": [
                {
                    "Name": "SYMPTOM",
                    "Score": 0.6724207401275635
                }
            ],
            "ICD10CMConcepts": [
                {
                    "Description": "Unspecified abdominal pain",
                    "Code": "R10.9",
                    "Score": 0.6904221177101135
                },
                {
                    "Description": "Epigastric pain",
                    "Code": "R10.13",
                    "Score": 0.1364113688468933
                },
                {
                    "Description": "Generalized abdominal pain",
                    "Code": "R10.84",
                    "Score": 0.12508003413677216
                },
                {
                    "Description": "Left lower quadrant pain",
                    "Code": "R10.32",
                    "Score": 0.10063883662223816
                },
                {
                    "Description": "Lower abdominal pain, unspecified",
                    "Code": "R10.30",
                    "Score": 0.09933677315711975
                }
            ]
        },
        {
            "Id": 1,
            "Text": "diabetes",
            "Category": "MEDICAL_CONDITION",
            "Type": "DX_NAME",
            "Score": 0.9899052977561951,
            "BeginOffset": 75,
            "EndOffset": 83,
            "Attributes": [],
            "Traits": [
                {
                    "Name": "DIAGNOSIS",
                    "Score": 0.9258432388305664
                }
            ],
            "ICD10CMConcepts": [
                {
                    "Description": "Type 2 diabetes mellitus without complications",
                    "Code": "E11.9",
                    "Score": 0.7158446311950684
                },
                {
                    "Description": "Family history of diabetes mellitus",
                    "Code": "Z83.3",
                    "Score": 0.5704703330993652
                },
                {
                    "Description": "Family history of other endocrine, nutritional and metabolic diseases",
                    "Code": "Z83.49",
                    "Score": 0.19856023788452148
                },
                {
                    "Description": "Type 1 diabetes mellitus with ketoacidosis without coma",
                    "Code": "E10.10",
                    "Score": 0.13285516202449799
                },
                {
                    "Description": "Type 2 diabetes mellitus with hyperglycemia",
                    "Code": "E11.65",
                    "Score": 0.0993388369679451
                }
            ]
        }
    ],
    "ModelVersion": "0.1.0"
}

Para obter mais informações, consulte Infer ICD1 0-CM no Guia do desenvolvedor do Amazon Comprehend Medical.

Exemplo 2: detectar entidades de condições médicas e vincular-se à ontologia da ICD-10-CM a partir de um caminho de arquivo

O exemplo infer-icd-10-cm a seguir rotula as entidades de condições médicas detectadas e vincula essas entidades com códigos na edição de 2019 da International Classification of Diseases Clinical Modification (ICD-10-CM).

aws comprehendmedical infer-icd10-cm \
    --text file://icd10cm.txt

Conteúdo de icd10cm.txt:

{
    "The patient complains of abdominal pain, has a long-standing history of diabetes treated with Micronase daily."
}

Saída:

{
    "Entities": [
        {
            "Id": 0,
            "Text": "abdominal pain",
            "Category": "MEDICAL_CONDITION",
            "Type": "DX_NAME",
            "Score": 0.9475538730621338,
            "BeginOffset": 28,
            "EndOffset": 42,
            "Attributes": [],
            "Traits": [
                {
                    "Name": "SYMPTOM",
                    "Score": 0.6724207401275635
                }
            ],
            "ICD10CMConcepts": [
                {
                    "Description": "Unspecified abdominal pain",
                    "Code": "R10.9",
                    "Score": 0.6904221177101135
                },
                {
                    "Description": "Epigastric pain",
                    "Code": "R10.13",
                    "Score": 0.1364113688468933
                },
                {
                    "Description": "Generalized abdominal pain",
                    "Code": "R10.84",
                    "Score": 0.12508003413677216
                },
                {
                    "Description": "Left lower quadrant pain",
                    "Code": "R10.32",
                    "Score": 0.10063883662223816
                },
                {
                    "Description": "Lower abdominal pain, unspecified",
                    "Code": "R10.30",
                    "Score": 0.09933677315711975
                }
            ]
        },
        {
            "Id": 1,
            "Text": "diabetes",
            "Category": "MEDICAL_CONDITION",
            "Type": "DX_NAME",
            "Score": 0.9899052977561951,
            "BeginOffset": 75,
            "EndOffset": 83,
            "Attributes": [],
            "Traits": [
                {
                    "Name": "DIAGNOSIS",
                    "Score": 0.9258432388305664
                }
            ],
            "ICD10CMConcepts": [
                {
                    "Description": "Type 2 diabetes mellitus without complications",
                    "Code": "E11.9",
                    "Score": 0.7158446311950684
                },
                {
                    "Description": "Family history of diabetes mellitus",
                    "Code": "Z83.3",
                    "Score": 0.5704703330993652
                },
                {
                    "Description": "Family history of other endocrine, nutritional and metabolic diseases",
                    "Code": "Z83.49",
                    "Score": 0.19856023788452148
                },
                {
                    "Description": "Type 1 diabetes mellitus with ketoacidosis without coma",
                    "Code": "E10.10",
                    "Score": 0.13285516202449799
                },
                {
                    "Description": "Type 2 diabetes mellitus with hyperglycemia",
                    "Code": "E11.65",
                    "Score": 0.0993388369679451
                }
            ]
        }
    ],
    "ModelVersion": "0.1.0"
}

Para obter mais informações, consulte ICD1Infer-0-CM no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte InferIcd10Cm na Referência de AWS CLI Comandos.

infer-icd10-cm

O código de exemplo a seguir mostra como usar infer-icd10-cm.

AWS CLI

Exemplo 1: detectar entidades de condições médicas e vincular à ontologia da ICD-10-CM diretamente do texto

O exemplo infer-icd10-cm a seguir rotula as entidades de condições médicas detectadas e vincula essas entidades com códigos na edição de 2019 da International Classification of Diseases Clinical Modification (ICD-10-CM).

aws comprehendmedical infer-icd10-cm \
    --text "The patient complains of abdominal pain, has a long-standing history of diabetes treated with Micronase daily."

Saída:

{
    "Entities": [
        {
            "Id": 0,
            "Text": "abdominal pain",
            "Category": "MEDICAL_CONDITION",
            "Type": "DX_NAME",
            "Score": 0.9475538730621338,
            "BeginOffset": 28,
            "EndOffset": 42,
            "Attributes": [],
            "Traits": [
                {
                    "Name": "SYMPTOM",
                    "Score": 0.6724207401275635
                }
            ],
            "ICD10CMConcepts": [
                {
                    "Description": "Unspecified abdominal pain",
                    "Code": "R10.9",
                    "Score": 0.6904221177101135
                },
                {
                    "Description": "Epigastric pain",
                    "Code": "R10.13",
                    "Score": 0.1364113688468933
                },
                {
                    "Description": "Generalized abdominal pain",
                    "Code": "R10.84",
                    "Score": 0.12508003413677216
                },
                {
                    "Description": "Left lower quadrant pain",
                    "Code": "R10.32",
                    "Score": 0.10063883662223816
                },
                {
                    "Description": "Lower abdominal pain, unspecified",
                    "Code": "R10.30",
                    "Score": 0.09933677315711975
                }
            ]
        },
        {
            "Id": 1,
            "Text": "diabetes",
            "Category": "MEDICAL_CONDITION",
            "Type": "DX_NAME",
            "Score": 0.9899052977561951,
            "BeginOffset": 75,
            "EndOffset": 83,
            "Attributes": [],
            "Traits": [
                {
                    "Name": "DIAGNOSIS",
                    "Score": 0.9258432388305664
                }
            ],
            "ICD10CMConcepts": [
                {
                    "Description": "Type 2 diabetes mellitus without complications",
                    "Code": "E11.9",
                    "Score": 0.7158446311950684
                },
                {
                    "Description": "Family history of diabetes mellitus",
                    "Code": "Z83.3",
                    "Score": 0.5704703330993652
                },
                {
                    "Description": "Family history of other endocrine, nutritional and metabolic diseases",
                    "Code": "Z83.49",
                    "Score": 0.19856023788452148
                },
                {
                    "Description": "Type 1 diabetes mellitus with ketoacidosis without coma",
                    "Code": "E10.10",
                    "Score": 0.13285516202449799
                },
                {
                    "Description": "Type 2 diabetes mellitus with hyperglycemia",
                    "Code": "E11.65",
                    "Score": 0.0993388369679451
                }
            ]
        }
    ],
    "ModelVersion": "0.1.0"
}

Para obter mais informações, consulte Infer ICD1 0-CM no Guia do desenvolvedor do Amazon Comprehend Medical.

Exemplo 2: detectar entidades de condições médicas e vincular-se à ontologia da ICD-10-CM a partir de um caminho de arquivo

O exemplo infer-icd-10-cm a seguir rotula as entidades de condições médicas detectadas e vincula essas entidades com códigos na edição de 2019 da International Classification of Diseases Clinical Modification (ICD-10-CM).

aws comprehendmedical infer-icd10-cm \
    --text file://icd10cm.txt

Conteúdo de icd10cm.txt:

{
    "The patient complains of abdominal pain, has a long-standing history of diabetes treated with Micronase daily."
}

Saída:

{
    "Entities": [
        {
            "Id": 0,
            "Text": "abdominal pain",
            "Category": "MEDICAL_CONDITION",
            "Type": "DX_NAME",
            "Score": 0.9475538730621338,
            "BeginOffset": 28,
            "EndOffset": 42,
            "Attributes": [],
            "Traits": [
                {
                    "Name": "SYMPTOM",
                    "Score": 0.6724207401275635
                }
            ],
            "ICD10CMConcepts": [
                {
                    "Description": "Unspecified abdominal pain",
                    "Code": "R10.9",
                    "Score": 0.6904221177101135
                },
                {
                    "Description": "Epigastric pain",
                    "Code": "R10.13",
                    "Score": 0.1364113688468933
                },
                {
                    "Description": "Generalized abdominal pain",
                    "Code": "R10.84",
                    "Score": 0.12508003413677216
                },
                {
                    "Description": "Left lower quadrant pain",
                    "Code": "R10.32",
                    "Score": 0.10063883662223816
                },
                {
                    "Description": "Lower abdominal pain, unspecified",
                    "Code": "R10.30",
                    "Score": 0.09933677315711975
                }
            ]
        },
        {
            "Id": 1,
            "Text": "diabetes",
            "Category": "MEDICAL_CONDITION",
            "Type": "DX_NAME",
            "Score": 0.9899052977561951,
            "BeginOffset": 75,
            "EndOffset": 83,
            "Attributes": [],
            "Traits": [
                {
                    "Name": "DIAGNOSIS",
                    "Score": 0.9258432388305664
                }
            ],
            "ICD10CMConcepts": [
                {
                    "Description": "Type 2 diabetes mellitus without complications",
                    "Code": "E11.9",
                    "Score": 0.7158446311950684
                },
                {
                    "Description": "Family history of diabetes mellitus",
                    "Code": "Z83.3",
                    "Score": 0.5704703330993652
                },
                {
                    "Description": "Family history of other endocrine, nutritional and metabolic diseases",
                    "Code": "Z83.49",
                    "Score": 0.19856023788452148
                },
                {
                    "Description": "Type 1 diabetes mellitus with ketoacidosis without coma",
                    "Code": "E10.10",
                    "Score": 0.13285516202449799
                },
                {
                    "Description": "Type 2 diabetes mellitus with hyperglycemia",
                    "Code": "E11.65",
                    "Score": 0.0993388369679451
                }
            ]
        }
    ],
    "ModelVersion": "0.1.0"
}

Para obter mais informações, consulte ICD1Infer-0-CM no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte InferIcd10Cm na Referência de AWS CLI Comandos.

infer-rx-norm

O código de exemplo a seguir mostra como usar infer-rx-norm.

AWS CLI

Exemplo 1: Para detectar entidades medicamentosas e vinculá-las RxNorm diretamente do texto

O infer-rx-norm exemplo a seguir mostra e rotula as entidades medicamentosas detectadas e vincula essas entidades aos identificadores de conceito (RxCUI) do banco de dados da National Library of Medicine. RxNorm

aws comprehendmedical infer-rx-norm \
    --text "Patient reports taking Levothyroxine 125 micrograms p.o. once daily, but denies taking Synthroid."

Saída:

{
    "Entities": [
        {
            "Id": 0,
            "Text": "Levothyroxine",
            "Category": "MEDICATION",
            "Type": "GENERIC_NAME",
            "Score": 0.9996285438537598,
            "BeginOffset": 23,
            "EndOffset": 36,
            "Attributes": [
                {
                    "Type": "DOSAGE",
                    "Score": 0.9892290830612183,
                    "RelationshipScore": 0.9997978806495667,
                    "Id": 1,
                    "BeginOffset": 37,
                    "EndOffset": 51,
                    "Text": "125 micrograms",
                    "Traits": []
                },
                {
                    "Type": "ROUTE_OR_MODE",
                    "Score": 0.9988924860954285,
                    "RelationshipScore": 0.998291552066803,
                    "Id": 2,
                    "BeginOffset": 52,
                    "EndOffset": 56,
                    "Text": "p.o.",
                    "Traits": []
                },
                {
                    "Type": "FREQUENCY",
                    "Score": 0.9953463673591614,
                    "RelationshipScore": 0.9999889135360718,
                    "Id": 3,
                    "BeginOffset": 57,
                    "EndOffset": 67,
                    "Text": "once daily",
                    "Traits": []
                }
            ],
            "Traits": [],
            "RxNormConcepts": [
                {
                    "Description": "Levothyroxine Sodium 0.125 MG Oral Tablet",
                    "Code": "966224",
                    "Score": 0.9912070631980896
                },
                {
                    "Description": "Levothyroxine Sodium 0.125 MG Oral Capsule",
                    "Code": "966405",
                    "Score": 0.8698278665542603
                },
                {
                    "Description": "Levothyroxine Sodium 0.125 MG Oral Tablet [Synthroid]",
                    "Code": "966191",
                    "Score": 0.7448257803916931
                },
                {
                    "Description": "levothyroxine",
                    "Code": "10582",
                    "Score": 0.7050482630729675
                },
                {
                    "Description": "Levothyroxine Sodium 0.125 MG Oral Tablet [Levoxyl]",
                    "Code": "966190",
                    "Score": 0.6921631693840027
                }
            ]
        },
        {
            "Id": 4,
            "Text": "Synthroid",
            "Category": "MEDICATION",
            "Type": "BRAND_NAME",
            "Score": 0.9946461319923401,
            "BeginOffset": 86,
            "EndOffset": 95,
            "Attributes": [],
            "Traits": [
                {
                    "Name": "NEGATION",
                    "Score": 0.5167351961135864
                }
            ],
            "RxNormConcepts": [
                {
                    "Description": "Synthroid",
                    "Code": "224920",
                    "Score": 0.9462039470672607
                },
                {
                    "Description": "Levothyroxine Sodium 0.088 MG Oral Tablet [Synthroid]",
                    "Code": "966282",
                    "Score": 0.8309829235076904
                },
                {
                    "Description": "Levothyroxine Sodium 0.125 MG Oral Tablet [Synthroid]",
                    "Code": "966191",
                    "Score": 0.4945160448551178
                },
                {
                    "Description": "Levothyroxine Sodium 0.05 MG Oral Tablet [Synthroid]",
                    "Code": "966247",
                    "Score": 0.3674522042274475
                },
                {
                    "Description": "Levothyroxine Sodium 0.025 MG Oral Tablet [Synthroid]",
                    "Code": "966158",
                    "Score": 0.2588822841644287
                }
            ]
        }
    ],
    "ModelVersion": "0.0.0"
}

Para obter mais informações, consulte Infer RxNorm no Amazon Comprehend Medical Developer Guide.

Exemplo 2: Para detectar entidades de medicamentos e vinculá-las a RxNorm partir de um caminho de arquivo.

O infer-rx-norm exemplo a seguir mostra e rotula as entidades medicamentosas detectadas e vincula essas entidades aos identificadores de conceito (RxCUI) do banco de dados da National Library of Medicine. RxNorm

aws comprehendmedical infer-rx-norm \
    --text file://rxnorm.txt

Conteúdo de rxnorm.txt:

{
    "Patient reports taking Levothyroxine 125 micrograms p.o. once daily, but denies taking Synthroid."
}

Saída:

{
    "Entities": [
        {
            "Id": 0,
            "Text": "Levothyroxine",
            "Category": "MEDICATION",
            "Type": "GENERIC_NAME",
            "Score": 0.9996285438537598,
            "BeginOffset": 23,
            "EndOffset": 36,
            "Attributes": [
                {
                    "Type": "DOSAGE",
                    "Score": 0.9892290830612183,
                    "RelationshipScore": 0.9997978806495667,
                    "Id": 1,
                    "BeginOffset": 37,
                    "EndOffset": 51,
                    "Text": "125 micrograms",
                    "Traits": []
                },
                {
                    "Type": "ROUTE_OR_MODE",
                    "Score": 0.9988924860954285,
                    "RelationshipScore": 0.998291552066803,
                    "Id": 2,
                    "BeginOffset": 52,
                    "EndOffset": 56,
                    "Text": "p.o.",
                    "Traits": []
                },
                {
                    "Type": "FREQUENCY",
                    "Score": 0.9953463673591614,
                    "RelationshipScore": 0.9999889135360718,
                    "Id": 3,
                    "BeginOffset": 57,
                    "EndOffset": 67,
                    "Text": "once daily",
                    "Traits": []
                }
            ],
            "Traits": [],
            "RxNormConcepts": [
                {
                    "Description": "Levothyroxine Sodium 0.125 MG Oral Tablet",
                    "Code": "966224",
                    "Score": 0.9912070631980896
                },
                {
                    "Description": "Levothyroxine Sodium 0.125 MG Oral Capsule",
                    "Code": "966405",
                    "Score": 0.8698278665542603
                },
                {
                    "Description": "Levothyroxine Sodium 0.125 MG Oral Tablet [Synthroid]",
                    "Code": "966191",
                    "Score": 0.7448257803916931
                },
                {
                    "Description": "levothyroxine",
                    "Code": "10582",
                    "Score": 0.7050482630729675
                },
                {
                    "Description": "Levothyroxine Sodium 0.125 MG Oral Tablet [Levoxyl]",
                    "Code": "966190",
                    "Score": 0.6921631693840027
                }
            ]
        },
        {
            "Id": 4,
            "Text": "Synthroid",
            "Category": "MEDICATION",
            "Type": "BRAND_NAME",
            "Score": 0.9946461319923401,
            "BeginOffset": 86,
            "EndOffset": 95,
            "Attributes": [],
            "Traits": [
                {
                    "Name": "NEGATION",
                    "Score": 0.5167351961135864
                }
            ],
            "RxNormConcepts": [
                {
                    "Description": "Synthroid",
                    "Code": "224920",
                    "Score": 0.9462039470672607
                },
                {
                    "Description": "Levothyroxine Sodium 0.088 MG Oral Tablet [Synthroid]",
                    "Code": "966282",
                    "Score": 0.8309829235076904
                },
                {
                    "Description": "Levothyroxine Sodium 0.125 MG Oral Tablet [Synthroid]",
                    "Code": "966191",
                    "Score": 0.4945160448551178
                },
                {
                    "Description": "Levothyroxine Sodium 0.05 MG Oral Tablet [Synthroid]",
                    "Code": "966247",
                    "Score": 0.3674522042274475
                },
                {
                    "Description": "Levothyroxine Sodium 0.025 MG Oral Tablet [Synthroid]",
                    "Code": "966158",
                    "Score": 0.2588822841644287
                }
            ]
        }
    ],
    "ModelVersion": "0.0.0"
}

Para obter mais informações, consulte Infer RxNorm no Amazon Comprehend Medical Developer Guide.

• Para obter detalhes da API, consulte InferRxNormem Referência de AWS CLI Comandos.

infer-rx-norm

O código de exemplo a seguir mostra como usar infer-rx-norm.

AWS CLI

Exemplo 1: Para detectar entidades medicamentosas e vinculá-las RxNorm diretamente do texto

O infer-rx-norm exemplo a seguir mostra e rotula as entidades medicamentosas detectadas e vincula essas entidades aos identificadores de conceito (RxCUI) do banco de dados da National Library of Medicine. RxNorm

aws comprehendmedical infer-rx-norm \
    --text "Patient reports taking Levothyroxine 125 micrograms p.o. once daily, but denies taking Synthroid."

Saída:

{
    "Entities": [
        {
            "Id": 0,
            "Text": "Levothyroxine",
            "Category": "MEDICATION",
            "Type": "GENERIC_NAME",
            "Score": 0.9996285438537598,
            "BeginOffset": 23,
            "EndOffset": 36,
            "Attributes": [
                {
                    "Type": "DOSAGE",
                    "Score": 0.9892290830612183,
                    "RelationshipScore": 0.9997978806495667,
                    "Id": 1,
                    "BeginOffset": 37,
                    "EndOffset": 51,
                    "Text": "125 micrograms",
                    "Traits": []
                },
                {
                    "Type": "ROUTE_OR_MODE",
                    "Score": 0.9988924860954285,
                    "RelationshipScore": 0.998291552066803,
                    "Id": 2,
                    "BeginOffset": 52,
                    "EndOffset": 56,
                    "Text": "p.o.",
                    "Traits": []
                },
                {
                    "Type": "FREQUENCY",
                    "Score": 0.9953463673591614,
                    "RelationshipScore": 0.9999889135360718,
                    "Id": 3,
                    "BeginOffset": 57,
                    "EndOffset": 67,
                    "Text": "once daily",
                    "Traits": []
                }
            ],
            "Traits": [],
            "RxNormConcepts": [
                {
                    "Description": "Levothyroxine Sodium 0.125 MG Oral Tablet",
                    "Code": "966224",
                    "Score": 0.9912070631980896
                },
                {
                    "Description": "Levothyroxine Sodium 0.125 MG Oral Capsule",
                    "Code": "966405",
                    "Score": 0.8698278665542603
                },
                {
                    "Description": "Levothyroxine Sodium 0.125 MG Oral Tablet [Synthroid]",
                    "Code": "966191",
                    "Score": 0.7448257803916931
                },
                {
                    "Description": "levothyroxine",
                    "Code": "10582",
                    "Score": 0.7050482630729675
                },
                {
                    "Description": "Levothyroxine Sodium 0.125 MG Oral Tablet [Levoxyl]",
                    "Code": "966190",
                    "Score": 0.6921631693840027
                }
            ]
        },
        {
            "Id": 4,
            "Text": "Synthroid",
            "Category": "MEDICATION",
            "Type": "BRAND_NAME",
            "Score": 0.9946461319923401,
            "BeginOffset": 86,
            "EndOffset": 95,
            "Attributes": [],
            "Traits": [
                {
                    "Name": "NEGATION",
                    "Score": 0.5167351961135864
                }
            ],
            "RxNormConcepts": [
                {
                    "Description": "Synthroid",
                    "Code": "224920",
                    "Score": 0.9462039470672607
                },
                {
                    "Description": "Levothyroxine Sodium 0.088 MG Oral Tablet [Synthroid]",
                    "Code": "966282",
                    "Score": 0.8309829235076904
                },
                {
                    "Description": "Levothyroxine Sodium 0.125 MG Oral Tablet [Synthroid]",
                    "Code": "966191",
                    "Score": 0.4945160448551178
                },
                {
                    "Description": "Levothyroxine Sodium 0.05 MG Oral Tablet [Synthroid]",
                    "Code": "966247",
                    "Score": 0.3674522042274475
                },
                {
                    "Description": "Levothyroxine Sodium 0.025 MG Oral Tablet [Synthroid]",
                    "Code": "966158",
                    "Score": 0.2588822841644287
                }
            ]
        }
    ],
    "ModelVersion": "0.0.0"
}

Para obter mais informações, consulte Infer RxNorm no Amazon Comprehend Medical Developer Guide.

Exemplo 2: Para detectar entidades de medicamentos e vinculá-las a RxNorm partir de um caminho de arquivo.

O infer-rx-norm exemplo a seguir mostra e rotula as entidades medicamentosas detectadas e vincula essas entidades aos identificadores de conceito (RxCUI) do banco de dados da National Library of Medicine. RxNorm

aws comprehendmedical infer-rx-norm \
    --text file://rxnorm.txt

Conteúdo de rxnorm.txt:

{
    "Patient reports taking Levothyroxine 125 micrograms p.o. once daily, but denies taking Synthroid."
}

Saída:

{
    "Entities": [
        {
            "Id": 0,
            "Text": "Levothyroxine",
            "Category": "MEDICATION",
            "Type": "GENERIC_NAME",
            "Score": 0.9996285438537598,
            "BeginOffset": 23,
            "EndOffset": 36,
            "Attributes": [
                {
                    "Type": "DOSAGE",
                    "Score": 0.9892290830612183,
                    "RelationshipScore": 0.9997978806495667,
                    "Id": 1,
                    "BeginOffset": 37,
                    "EndOffset": 51,
                    "Text": "125 micrograms",
                    "Traits": []
                },
                {
                    "Type": "ROUTE_OR_MODE",
                    "Score": 0.9988924860954285,
                    "RelationshipScore": 0.998291552066803,
                    "Id": 2,
                    "BeginOffset": 52,
                    "EndOffset": 56,
                    "Text": "p.o.",
                    "Traits": []
                },
                {
                    "Type": "FREQUENCY",
                    "Score": 0.9953463673591614,
                    "RelationshipScore": 0.9999889135360718,
                    "Id": 3,
                    "BeginOffset": 57,
                    "EndOffset": 67,
                    "Text": "once daily",
                    "Traits": []
                }
            ],
            "Traits": [],
            "RxNormConcepts": [
                {
                    "Description": "Levothyroxine Sodium 0.125 MG Oral Tablet",
                    "Code": "966224",
                    "Score": 0.9912070631980896
                },
                {
                    "Description": "Levothyroxine Sodium 0.125 MG Oral Capsule",
                    "Code": "966405",
                    "Score": 0.8698278665542603
                },
                {
                    "Description": "Levothyroxine Sodium 0.125 MG Oral Tablet [Synthroid]",
                    "Code": "966191",
                    "Score": 0.7448257803916931
                },
                {
                    "Description": "levothyroxine",
                    "Code": "10582",
                    "Score": 0.7050482630729675
                },
                {
                    "Description": "Levothyroxine Sodium 0.125 MG Oral Tablet [Levoxyl]",
                    "Code": "966190",
                    "Score": 0.6921631693840027
                }
            ]
        },
        {
            "Id": 4,
            "Text": "Synthroid",
            "Category": "MEDICATION",
            "Type": "BRAND_NAME",
            "Score": 0.9946461319923401,
            "BeginOffset": 86,
            "EndOffset": 95,
            "Attributes": [],
            "Traits": [
                {
                    "Name": "NEGATION",
                    "Score": 0.5167351961135864
                }
            ],
            "RxNormConcepts": [
                {
                    "Description": "Synthroid",
                    "Code": "224920",
                    "Score": 0.9462039470672607
                },
                {
                    "Description": "Levothyroxine Sodium 0.088 MG Oral Tablet [Synthroid]",
                    "Code": "966282",
                    "Score": 0.8309829235076904
                },
                {
                    "Description": "Levothyroxine Sodium 0.125 MG Oral Tablet [Synthroid]",
                    "Code": "966191",
                    "Score": 0.4945160448551178
                },
                {
                    "Description": "Levothyroxine Sodium 0.05 MG Oral Tablet [Synthroid]",
                    "Code": "966247",
                    "Score": 0.3674522042274475
                },
                {
                    "Description": "Levothyroxine Sodium 0.025 MG Oral Tablet [Synthroid]",
                    "Code": "966158",
                    "Score": 0.2588822841644287
                }
            ]
        }
    ],
    "ModelVersion": "0.0.0"
}

Para obter mais informações, consulte Infer RxNorm no Amazon Comprehend Medical Developer Guide.

• Para obter detalhes da API, consulte InferRxNormem Referência de AWS CLI Comandos.

infer-snomedct

O código de exemplo a seguir mostra como usar infer-snomedct.

AWS CLI

Exemplo: como detectar entidades e vincular à ontologia da SNOMED CT diretamente do texto

O exemplo infer-snomedct a seguir mostra como detectar entidades médicas e vinculá-las a conceitos da versão 2021-03 da Nomenclatura Sistematizada de Medicina, Termos Clínicos (SNOMED CT).

aws comprehendmedical infer-snomedct \
    --text "The patient complains of abdominal pain, has a long-standing history of diabetes treated with Micronase daily."

Saída:

{
    "Entities": [
        {
            "Id": 3,
            "BeginOffset": 26,
            "EndOffset": 40,
            "Score": 0.9598260521888733,
            "Text": "abdominal pain",
            "Category": "MEDICAL_CONDITION",
            "Type": "DX_NAME",
            "Traits": [
                {
                    "Name": "SYMPTOM",
                    "Score": 0.6819021701812744
                }
            ]
        },
        {
            "Id": 4,
            "BeginOffset": 73,
            "EndOffset": 81,
            "Score": 0.9905840158462524,
            "Text": "diabetes",
            "Category": "MEDICAL_CONDITION",
            "Type": "DX_NAME",
            "Traits": [
                {
                    "Name": "DIAGNOSIS",
                    "Score": 0.9255214333534241
                }
            ]
        },
        {
            "Id": 1,
            "BeginOffset": 95,
            "EndOffset": 104,
            "Score": 0.6371926665306091,
            "Text": "Micronase",
            "Category": "MEDICATION",
            "Type": "BRAND_NAME",
            "Traits": [],
            "Attributes": [
                {
                    "Type": "FREQUENCY",
                    "Score": 0.9761165380477905,
                    "RelationshipScore": 0.9984188079833984,
                    "RelationshipType": "FREQUENCY",
                    "Id": 2,
                    "BeginOffset": 105,
                    "EndOffset": 110,
                    "Text": "daily",
                    "Category": "MEDICATION",
                    "Traits": []
                }
            ]
        }
    ],
    "UnmappedAttributes": [],
    "ModelVersion": "1.0.0"
}

Para obter mais informações, consulte InferSNOMEDCT no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte InferSnomedctem Referência de AWS CLI Comandos.

infer-snomedct

O código de exemplo a seguir mostra como usar infer-snomedct.

AWS CLI

Exemplo: como detectar entidades e vincular à ontologia da SNOMED CT diretamente do texto

O exemplo infer-snomedct a seguir mostra como detectar entidades médicas e vinculá-las a conceitos da versão 2021-03 da Nomenclatura Sistematizada de Medicina, Termos Clínicos (SNOMED CT).

aws comprehendmedical infer-snomedct \
    --text "The patient complains of abdominal pain, has a long-standing history of diabetes treated with Micronase daily."

Saída:

{
    "Entities": [
        {
            "Id": 3,
            "BeginOffset": 26,
            "EndOffset": 40,
            "Score": 0.9598260521888733,
            "Text": "abdominal pain",
            "Category": "MEDICAL_CONDITION",
            "Type": "DX_NAME",
            "Traits": [
                {
                    "Name": "SYMPTOM",
                    "Score": 0.6819021701812744
                }
            ]
        },
        {
            "Id": 4,
            "BeginOffset": 73,
            "EndOffset": 81,
            "Score": 0.9905840158462524,
            "Text": "diabetes",
            "Category": "MEDICAL_CONDITION",
            "Type": "DX_NAME",
            "Traits": [
                {
                    "Name": "DIAGNOSIS",
                    "Score": 0.9255214333534241
                }
            ]
        },
        {
            "Id": 1,
            "BeginOffset": 95,
            "EndOffset": 104,
            "Score": 0.6371926665306091,
            "Text": "Micronase",
            "Category": "MEDICATION",
            "Type": "BRAND_NAME",
            "Traits": [],
            "Attributes": [
                {
                    "Type": "FREQUENCY",
                    "Score": 0.9761165380477905,
                    "RelationshipScore": 0.9984188079833984,
                    "RelationshipType": "FREQUENCY",
                    "Id": 2,
                    "BeginOffset": 105,
                    "EndOffset": 110,
                    "Text": "daily",
                    "Category": "MEDICATION",
                    "Traits": []
                }
            ]
        }
    ],
    "UnmappedAttributes": [],
    "ModelVersion": "1.0.0"
}

Para obter mais informações, consulte InferSNOMEDCT no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte InferSnomedctem Referência de AWS CLI Comandos.

list-entities-detection-v2-jobs

O código de exemplo a seguir mostra como usar list-entities-detection-v2-jobs.

AWS CLI

Para listar trabalhos de detecção de entidades

O exemplo list-entities-detection-v2-jobs a seguir lista os trabalhos atuais de detecção assíncrona.

aws comprehendmedical list-entities-detection-v2-jobs

Saída:

{
    "ComprehendMedicalAsyncJobPropertiesList": [
        {
            "JobId": "ab9887877365fe70299089371c043b96",
            "JobStatus": "COMPLETED",
            "SubmitTime": "2020-03-19T20:38:37.594000+00:00",
            "EndTime": "2020-03-19T20:45:07.894000+00:00",
            "ExpirationTime": "2020-07-17T20:38:37+00:00",
            "InputDataConfig": {
                "S3Bucket": "comp-med-input",
                "S3Key": ""
            },
            "OutputDataConfig": {
                "S3Bucket": "comp-med-output",
                "S3Key": "867139942017-EntitiesDetection-ab9887877365fe70299089371c043b96/"
            },
            "LanguageCode": "en",
            "DataAccessRoleArn": "arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole",
            "ModelVersion": "DetectEntitiesModelV20190930"
        }
    ]
}

Para obter mais informações, consulte Batch APIs no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte ListEntitiesDetectionV2Jobs na Referência de AWS CLI Comandos.

list-entities-detection-v2-jobs

O código de exemplo a seguir mostra como usar list-entities-detection-v2-jobs.

AWS CLI

Para listar trabalhos de detecção de entidades

O exemplo list-entities-detection-v2-jobs a seguir lista os trabalhos atuais de detecção assíncrona.

aws comprehendmedical list-entities-detection-v2-jobs

Saída:

{
    "ComprehendMedicalAsyncJobPropertiesList": [
        {
            "JobId": "ab9887877365fe70299089371c043b96",
            "JobStatus": "COMPLETED",
            "SubmitTime": "2020-03-19T20:38:37.594000+00:00",
            "EndTime": "2020-03-19T20:45:07.894000+00:00",
            "ExpirationTime": "2020-07-17T20:38:37+00:00",
            "InputDataConfig": {
                "S3Bucket": "comp-med-input",
                "S3Key": ""
            },
            "OutputDataConfig": {
                "S3Bucket": "comp-med-output",
                "S3Key": "867139942017-EntitiesDetection-ab9887877365fe70299089371c043b96/"
            },
            "LanguageCode": "en",
            "DataAccessRoleArn": "arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole",
            "ModelVersion": "DetectEntitiesModelV20190930"
        }
    ]
}

Para obter mais informações, consulte Batch APIs no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte ListEntitiesDetectionV2Jobs na Referência de AWS CLI Comandos.

list-icd10-cm-inference-jobs

O código de exemplo a seguir mostra como usar list-icd10-cm-inference-jobs.

AWS CLI

Para listar todos os trabalhos atuais de inferência da ICD-10-CM

O exemplo a seguir mostra como a operação list-icd10-cm-inference-jobs retorna uma lista dos trabalhos de inferência em lote assíncronos atuais da ICD-10-CM.

aws comprehendmedical list-icd10-cm-inference-jobs

Saída:

{
    "ComprehendMedicalAsyncJobPropertiesList": [
        {
            "JobId": "5780034166536cdb52ffa3295a1b00a7",
            "JobStatus": "COMPLETED",
            "SubmitTime": "2020-05-19T20:38:37.594000+00:00",
            "EndTime": "2020-05-19T20:45:07.894000+00:00",
            "ExpirationTime": "2020-09-17T20:38:37+00:00",
            "InputDataConfig": {
                "S3Bucket": "comp-med-input",
                "S3Key": "AKIAIOSFODNN7EXAMPLE"
            },
            "OutputDataConfig": {
                "S3Bucket": "comp-med-output",
                "S3Key": "AKIAIOSFODNN7EXAMPLE"
            },
            "LanguageCode": "en",
            "DataAccessRoleArn": "arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole",
            "ModelVersion":  "0.1.0"
        }
    ]
}

Para obter mais informações, consulte Vinculação de ontologias a análises em lotes no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte ListIcd10 CmInferenceJobs em Referência de AWS CLI comandos.

list-icd10-cm-inference-jobs

O código de exemplo a seguir mostra como usar list-icd10-cm-inference-jobs.

AWS CLI

Para listar todos os trabalhos atuais de inferência da ICD-10-CM

O exemplo a seguir mostra como a operação list-icd10-cm-inference-jobs retorna uma lista dos trabalhos de inferência em lote assíncronos atuais da ICD-10-CM.

aws comprehendmedical list-icd10-cm-inference-jobs

Saída:

{
    "ComprehendMedicalAsyncJobPropertiesList": [
        {
            "JobId": "5780034166536cdb52ffa3295a1b00a7",
            "JobStatus": "COMPLETED",
            "SubmitTime": "2020-05-19T20:38:37.594000+00:00",
            "EndTime": "2020-05-19T20:45:07.894000+00:00",
            "ExpirationTime": "2020-09-17T20:38:37+00:00",
            "InputDataConfig": {
                "S3Bucket": "comp-med-input",
                "S3Key": "AKIAIOSFODNN7EXAMPLE"
            },
            "OutputDataConfig": {
                "S3Bucket": "comp-med-output",
                "S3Key": "AKIAIOSFODNN7EXAMPLE"
            },
            "LanguageCode": "en",
            "DataAccessRoleArn": "arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole",
            "ModelVersion":  "0.1.0"
        }
    ]
}

Para obter mais informações, consulte Vinculação de ontologias a análises em lotes no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte ListIcd10 CmInferenceJobs em Referência de AWS CLI comandos.

list-phi-detection-jobs

O código de exemplo a seguir mostra como usar list-phi-detection-jobs.

AWS CLI

Para listar as tarefas de detecção de informações de saúde protegidas (PHI)

O exemplo list-phi-detection-jobs a seguir lista as tarefas de detecção de informações de saúde protegidas (PHI) atuais

aws comprehendmedical list-phi-detection-jobs

Saída:

{
    "ComprehendMedicalAsyncJobPropertiesList": [
        {
            "JobId": "4750034166536cdb52ffa3295a1b00a3",
            "JobStatus": "COMPLETED",
            "SubmitTime": "2020-03-19T20:38:37.594000+00:00",
            "EndTime": "2020-03-19T20:45:07.894000+00:00",
            "ExpirationTime": "2020-07-17T20:38:37+00:00",
            "InputDataConfig": {
                "S3Bucket": "comp-med-input",
                "S3Key": ""
            },
            "OutputDataConfig": {
                "S3Bucket": "comp-med-output",
                "S3Key": "867139942017-PHIDetection-4750034166536cdb52ffa3295a1b00a3/"
            },
            "LanguageCode": "en",
            "DataAccessRoleArn": "arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole",
            "ModelVersion": "PHIModelV20190903"
        }
    ]
}

Para obter mais informações, consulte Batch APIs no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte ListPhiDetectionJobsem Referência de AWS CLI Comandos.

list-phi-detection-jobs

O código de exemplo a seguir mostra como usar list-phi-detection-jobs.

AWS CLI

Para listar as tarefas de detecção de informações de saúde protegidas (PHI)

O exemplo list-phi-detection-jobs a seguir lista as tarefas de detecção de informações de saúde protegidas (PHI) atuais

aws comprehendmedical list-phi-detection-jobs

Saída:

{
    "ComprehendMedicalAsyncJobPropertiesList": [
        {
            "JobId": "4750034166536cdb52ffa3295a1b00a3",
            "JobStatus": "COMPLETED",
            "SubmitTime": "2020-03-19T20:38:37.594000+00:00",
            "EndTime": "2020-03-19T20:45:07.894000+00:00",
            "ExpirationTime": "2020-07-17T20:38:37+00:00",
            "InputDataConfig": {
                "S3Bucket": "comp-med-input",
                "S3Key": ""
            },
            "OutputDataConfig": {
                "S3Bucket": "comp-med-output",
                "S3Key": "867139942017-PHIDetection-4750034166536cdb52ffa3295a1b00a3/"
            },
            "LanguageCode": "en",
            "DataAccessRoleArn": "arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole",
            "ModelVersion": "PHIModelV20190903"
        }
    ]
}

Para obter mais informações, consulte Batch APIs no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte ListPhiDetectionJobsem Referência de AWS CLI Comandos.

list-rx-norm-inference-jobs

O código de exemplo a seguir mostra como usar list-rx-norm-inference-jobs.

AWS CLI

Para listar todos os trabalhos atuais de inferência do Rx-Norm

O exemplo a seguir mostra como list-rx-norm-inference-jobs retorna uma lista dos trabalhos de inferência em lote assíncronos atuais do Rx-Norm.

aws comprehendmedical list-rx-norm-inference-jobs

Saída:

{
    "ComprehendMedicalAsyncJobPropertiesList": [
        {
            "JobId": "4980034166536cfb52gga3295a1b00a3",
            "JobStatus": "COMPLETED",
            "SubmitTime": "2020-05-19T20:38:37.594000+00:00",
            "EndTime": "2020-05-19T20:45:07.894000+00:00",
            "ExpirationTime": "2020-09-17T20:38:37+00:00",
            "InputDataConfig": {
                "S3Bucket": "comp-med-input",
                "S3Key": "AKIAIOSFODNN7EXAMPLE"
            },
            "OutputDataConfig": {
                "S3Bucket": "comp-med-output",
                "S3Key": "AKIAIOSFODNN7EXAMPLE"
            },
            "LanguageCode": "en",
            "DataAccessRoleArn": "arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole",
            "ModelVersion": "0.0.0"
        }
    ]
}

Para obter mais informações, consulte Vinculação de ontologias a análises em lotes no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte ListRxNormInferenceJobsem Referência de AWS CLI Comandos.

list-rx-norm-inference-jobs

O código de exemplo a seguir mostra como usar list-rx-norm-inference-jobs.

AWS CLI

Para listar todos os trabalhos atuais de inferência do Rx-Norm

O exemplo a seguir mostra como list-rx-norm-inference-jobs retorna uma lista dos trabalhos de inferência em lote assíncronos atuais do Rx-Norm.

aws comprehendmedical list-rx-norm-inference-jobs

Saída:

{
    "ComprehendMedicalAsyncJobPropertiesList": [
        {
            "JobId": "4980034166536cfb52gga3295a1b00a3",
            "JobStatus": "COMPLETED",
            "SubmitTime": "2020-05-19T20:38:37.594000+00:00",
            "EndTime": "2020-05-19T20:45:07.894000+00:00",
            "ExpirationTime": "2020-09-17T20:38:37+00:00",
            "InputDataConfig": {
                "S3Bucket": "comp-med-input",
                "S3Key": "AKIAIOSFODNN7EXAMPLE"
            },
            "OutputDataConfig": {
                "S3Bucket": "comp-med-output",
                "S3Key": "AKIAIOSFODNN7EXAMPLE"
            },
            "LanguageCode": "en",
            "DataAccessRoleArn": "arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole",
            "ModelVersion": "0.0.0"
        }
    ]
}

Para obter mais informações, consulte Vinculação de ontologias a análises em lotes no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte ListRxNormInferenceJobsem Referência de AWS CLI Comandos.

list-snomedct-inference-jobs

O código de exemplo a seguir mostra como usar list-snomedct-inference-jobs.

AWS CLI

Para listar todos os trabalhos de inferência da SNOMED CT

O exemplo a seguir mostra como a operação list-snomedct-inference-jobs retorna uma lista dos trabalhos de inferência em lote da SNOMED CT assíncronos atuais.

aws comprehendmedical list-snomedct-inference-jobs

Saída:

{
    "ComprehendMedicalAsyncJobPropertiesList": [
        {
            "JobId": "5780034166536cdb52ffa3295a1b00a7",
            "JobStatus": "COMPLETED",
            "SubmitTime": "2020-05-19T20:38:37.594000+00:00",
            "EndTime": "2020-05-19T20:45:07.894000+00:00",
            "ExpirationTime": "2020-09-17T20:38:37+00:00",
            "InputDataConfig": {
                "S3Bucket": "comp-med-input",
                "S3Key": "AKIAIOSFODNN7EXAMPLE"
            },
            "OutputDataConfig": {
                "S3Bucket": "comp-med-output",
                "S3Key": "AKIAIOSFODNN7EXAMPLE"
            },
            "LanguageCode": "en",
            "DataAccessRoleArn": "arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole",
            "ModelVersion":  "0.1.0"
        }
    ]
}

Para obter mais informações, consulte Vinculação de ontologias a análises em lotes no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte ListSnomedctInferenceJobsem Referência de AWS CLI Comandos.

list-snomedct-inference-jobs

O código de exemplo a seguir mostra como usar list-snomedct-inference-jobs.

AWS CLI

Para listar todos os trabalhos de inferência da SNOMED CT

O exemplo a seguir mostra como a operação list-snomedct-inference-jobs retorna uma lista dos trabalhos de inferência em lote da SNOMED CT assíncronos atuais.

aws comprehendmedical list-snomedct-inference-jobs

Saída:

{
    "ComprehendMedicalAsyncJobPropertiesList": [
        {
            "JobId": "5780034166536cdb52ffa3295a1b00a7",
            "JobStatus": "COMPLETED",
            "SubmitTime": "2020-05-19T20:38:37.594000+00:00",
            "EndTime": "2020-05-19T20:45:07.894000+00:00",
            "ExpirationTime": "2020-09-17T20:38:37+00:00",
            "InputDataConfig": {
                "S3Bucket": "comp-med-input",
                "S3Key": "AKIAIOSFODNN7EXAMPLE"
            },
            "OutputDataConfig": {
                "S3Bucket": "comp-med-output",
                "S3Key": "AKIAIOSFODNN7EXAMPLE"
            },
            "LanguageCode": "en",
            "DataAccessRoleArn": "arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole",
            "ModelVersion":  "0.1.0"
        }
    ]
}

Para obter mais informações, consulte Vinculação de ontologias a análises em lotes no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte ListSnomedctInferenceJobsem Referência de AWS CLI Comandos.

start-entities-detection-v2-job

O código de exemplo a seguir mostra como usar start-entities-detection-v2-job.

AWS CLI

Para iniciar um trabalho de detecção de entidades

O exemplo start-entities-detection-v2-job a seguir inicia um trabalho assíncrono de detecção de entidades.

aws comprehendmedical start-entities-detection-v2-job \
    --input-data-config "S3Bucket=comp-med-input" \
    --output-data-config "S3Bucket=comp-med-output" \
    --data-access-role-arn arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole \
    --language-code en

Saída:

{
    "JobId": "ab9887877365fe70299089371c043b96"
}

Para obter mais informações, consulte Batch APIs no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte StartEntitiesDetectionV2Job na Referência de AWS CLI Comandos.

start-entities-detection-v2-job

O código de exemplo a seguir mostra como usar start-entities-detection-v2-job.

AWS CLI

Para iniciar um trabalho de detecção de entidades

O exemplo start-entities-detection-v2-job a seguir inicia um trabalho assíncrono de detecção de entidades.

aws comprehendmedical start-entities-detection-v2-job \
    --input-data-config "S3Bucket=comp-med-input" \
    --output-data-config "S3Bucket=comp-med-output" \
    --data-access-role-arn arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole \
    --language-code en

Saída:

{
    "JobId": "ab9887877365fe70299089371c043b96"
}

Para obter mais informações, consulte Batch APIs no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte StartEntitiesDetectionV2Job na Referência de AWS CLI Comandos.

start-icd10-cm-inference-job

O código de exemplo a seguir mostra como usar start-icd10-cm-inference-job.

AWS CLI

Para iniciar um trabalho de inferência da ICD-10-CM

O exemplo start-icd10-cm-inference-job a seguir inicia um trabalho de análise em lote de inferência da ICD-10-CM.

aws comprehendmedical start-icd10-cm-inference-job \
    --input-data-config "S3Bucket=comp-med-input" \
    --output-data-config "S3Bucket=comp-med-output" \
    --data-access-role-arn arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole \
    --language-code en

Saída:

{
    "JobId": "ef7289877365fc70299089371c043b96"
}

Para obter mais informações, consulte Vinculação de ontologias a análises em lotes no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte StartIcd10 CmInferenceJob em Referência de AWS CLI comandos.

start-icd10-cm-inference-job

O código de exemplo a seguir mostra como usar start-icd10-cm-inference-job.

AWS CLI

Para iniciar um trabalho de inferência da ICD-10-CM

O exemplo start-icd10-cm-inference-job a seguir inicia um trabalho de análise em lote de inferência da ICD-10-CM.

aws comprehendmedical start-icd10-cm-inference-job \
    --input-data-config "S3Bucket=comp-med-input" \
    --output-data-config "S3Bucket=comp-med-output" \
    --data-access-role-arn arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole \
    --language-code en

Saída:

{
    "JobId": "ef7289877365fc70299089371c043b96"
}

Para obter mais informações, consulte Vinculação de ontologias a análises em lotes no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte StartIcd10 CmInferenceJob em Referência de AWS CLI comandos.

start-phi-detection-job

O código de exemplo a seguir mostra como usar start-phi-detection-job.

AWS CLI

Para iniciar um trabalho de detecção de PHI

O exemplo start-phi-detection-job a seguir inicia um trabalho assíncrono de detecção de entidades PHI.

aws comprehendmedical start-phi-detection-job \
    --input-data-config "S3Bucket=comp-med-input" \
    --output-data-config "S3Bucket=comp-med-output" \
    --data-access-role-arn arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole \
    --language-code en

Saída:

{
    "JobId": "ab9887877365fe70299089371c043b96"
}

Para obter mais informações, consulte Batch APIs no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte StartPhiDetectionJobem Referência de AWS CLI Comandos.

start-phi-detection-job

O código de exemplo a seguir mostra como usar start-phi-detection-job.

AWS CLI

Para iniciar um trabalho de detecção de PHI

O exemplo start-phi-detection-job a seguir inicia um trabalho assíncrono de detecção de entidades PHI.

aws comprehendmedical start-phi-detection-job \
    --input-data-config "S3Bucket=comp-med-input" \
    --output-data-config "S3Bucket=comp-med-output" \
    --data-access-role-arn arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole \
    --language-code en

Saída:

{
    "JobId": "ab9887877365fe70299089371c043b96"
}

Para obter mais informações, consulte Batch APIs no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte StartPhiDetectionJobem Referência de AWS CLI Comandos.

start-rx-norm-inference-job

O código de exemplo a seguir mostra como usar start-rx-norm-inference-job.

AWS CLI

Para iniciar um trabalho de RxNorm inferência

O start-rx-norm-inference-job exemplo a seguir inicia um trabalho de análise em lote de RxNorm inferência.

aws comprehendmedical start-rx-norm-inference-job \
    --input-data-config "S3Bucket=comp-med-input" \
    --output-data-config "S3Bucket=comp-med-output" \
    --data-access-role-arn arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole \
    --language-code en

Saída:

{
    "JobId": "eg8199877365fc70299089371c043b96"
}

Para obter mais informações, consulte Vinculação de ontologias a análises em lotes no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte StartRxNormInferenceJobem Referência de AWS CLI Comandos.

start-rx-norm-inference-job

O código de exemplo a seguir mostra como usar start-rx-norm-inference-job.

AWS CLI

Para iniciar um trabalho de RxNorm inferência

O start-rx-norm-inference-job exemplo a seguir inicia um trabalho de análise em lote de RxNorm inferência.

aws comprehendmedical start-rx-norm-inference-job \
    --input-data-config "S3Bucket=comp-med-input" \
    --output-data-config "S3Bucket=comp-med-output" \
    --data-access-role-arn arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole \
    --language-code en

Saída:

{
    "JobId": "eg8199877365fc70299089371c043b96"
}

Para obter mais informações, consulte Vinculação de ontologias a análises em lotes no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte StartRxNormInferenceJobem Referência de AWS CLI Comandos.

start-snomedct-inference-job

O código de exemplo a seguir mostra como usar start-snomedct-inference-job.

AWS CLI

Para iniciar um trabalho de inferência da SNOMED CT

O exemplo start-snomedct-inference-job a seguir inicia um trabalho de análise em lote de inferência da SNOMED CT.

aws comprehendmedical start-snomedct-inference-job \
    --input-data-config "S3Bucket=comp-med-input" \
    --output-data-config "S3Bucket=comp-med-output" \
    --data-access-role-arn arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole \
    --language-code en

Saída:

{
    "JobId": "dg7289877365fc70299089371c043b96"
}

Para obter mais informações, consulte Vinculação de ontologias a análises em lotes no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte StartSnomedctInferenceJobem Referência de AWS CLI Comandos.

start-snomedct-inference-job

O código de exemplo a seguir mostra como usar start-snomedct-inference-job.

AWS CLI

Para iniciar um trabalho de inferência da SNOMED CT

O exemplo start-snomedct-inference-job a seguir inicia um trabalho de análise em lote de inferência da SNOMED CT.

aws comprehendmedical start-snomedct-inference-job \
    --input-data-config "S3Bucket=comp-med-input" \
    --output-data-config "S3Bucket=comp-med-output" \
    --data-access-role-arn arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole \
    --language-code en

Saída:

{
    "JobId": "dg7289877365fc70299089371c043b96"
}

Para obter mais informações, consulte Vinculação de ontologias a análises em lotes no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte StartSnomedctInferenceJobem Referência de AWS CLI Comandos.

stop-entities-detection-v2-job

O código de exemplo a seguir mostra como usar stop-entities-detection-v2-job.

AWS CLI

Como interromper um trabalho de detecção de entidades

O exemplo stop-entities-detection-v2-job a seguir interrompe um trabalho assíncrono de detecção de entidades.

aws comprehendmedical stop-entities-detection-v2-job \
    --job-id "ab9887877365fe70299089371c043b96"

Saída:

{
    "JobId": "ab9887877365fe70299089371c043b96"
}

Para obter mais informações, consulte Batch APIs no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte StopEntitiesDetectionV2Job na Referência de AWS CLI Comandos.

stop-entities-detection-v2-job

O código de exemplo a seguir mostra como usar stop-entities-detection-v2-job.

AWS CLI

Como interromper um trabalho de detecção de entidades

O exemplo stop-entities-detection-v2-job a seguir interrompe um trabalho assíncrono de detecção de entidades.

aws comprehendmedical stop-entities-detection-v2-job \
    --job-id "ab9887877365fe70299089371c043b96"

Saída:

{
    "JobId": "ab9887877365fe70299089371c043b96"
}

Para obter mais informações, consulte Batch APIs no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte StopEntitiesDetectionV2Job na Referência de AWS CLI Comandos.

stop-icd10-cm-inference-job

O código de exemplo a seguir mostra como usar stop-icd10-cm-inference-job.

AWS CLI

Como interromper um trabalho de inferência da ICD-10-CM

O exemplo stop-icd10-cm-inference-job a seguir interrompe um trabalho de análise em lote de inferência da ICD-10-CM.

aws comprehendmedical stop-icd10-cm-inference-job \
    --job-id "4750034166536cdb52ffa3295a1b00a3"

Saída:

{
    "JobId": "ef7289877365fc70299089371c043b96",
}

Para obter mais informações, consulte Vinculação de ontologias a análises em lotes no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte StopIcd10 CmInferenceJob em Referência de AWS CLI comandos.

stop-icd10-cm-inference-job

O código de exemplo a seguir mostra como usar stop-icd10-cm-inference-job.

AWS CLI

Como interromper um trabalho de inferência da ICD-10-CM

O exemplo stop-icd10-cm-inference-job a seguir interrompe um trabalho de análise em lote de inferência da ICD-10-CM.

aws comprehendmedical stop-icd10-cm-inference-job \
    --job-id "4750034166536cdb52ffa3295a1b00a3"

Saída:

{
    "JobId": "ef7289877365fc70299089371c043b96",
}

Para obter mais informações, consulte Vinculação de ontologias a análises em lotes no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte StopIcd10 CmInferenceJob em Referência de AWS CLI comandos.

stop-phi-detection-job

O código de exemplo a seguir mostra como usar stop-phi-detection-job.

AWS CLI

Como interromper um trabalho de detecção de informações de saúde protegidas (PHI)

O exemplo stop-phi-detection-job a seguir interrompe uma tarefa assíncrona de detecção de informações de saúde protegidas (PHI).

aws comprehendmedical stop-phi-detection-job \
    --job-id "4750034166536cdb52ffa3295a1b00a3"

Saída:

{
    "JobId": "ab9887877365fe70299089371c043b96"
}

Para obter mais informações, consulte Batch APIs no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte StopPhiDetectionJobem Referência de AWS CLI Comandos.

stop-phi-detection-job

O código de exemplo a seguir mostra como usar stop-phi-detection-job.

AWS CLI

Como interromper um trabalho de detecção de informações de saúde protegidas (PHI)

O exemplo stop-phi-detection-job a seguir interrompe uma tarefa assíncrona de detecção de informações de saúde protegidas (PHI).

aws comprehendmedical stop-phi-detection-job \
    --job-id "4750034166536cdb52ffa3295a1b00a3"

Saída:

{
    "JobId": "ab9887877365fe70299089371c043b96"
}

Para obter mais informações, consulte Batch APIs no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte StopPhiDetectionJobem Referência de AWS CLI Comandos.

stop-rx-norm-inference-job

O código de exemplo a seguir mostra como usar stop-rx-norm-inference-job.

AWS CLI

Para interromper um trabalho de RxNorm inferência

O exemplo stop-rx-norm-inference-job a seguir interrompe um trabalho de análise em lote de inferência da ICD-10-CM.

aws comprehendmedical stop-rx-norm-inference-job \
    --job-id "eg8199877365fc70299089371c043b96"

Saída:

{
    "JobId": "eg8199877365fc70299089371c043b96",
}

Para obter mais informações, consulte Vinculação de ontologias a análises em lotes no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte StopRxNormInferenceJobem Referência de AWS CLI Comandos.

stop-rx-norm-inference-job

O código de exemplo a seguir mostra como usar stop-rx-norm-inference-job.

AWS CLI

Para interromper um trabalho de RxNorm inferência

O exemplo stop-rx-norm-inference-job a seguir interrompe um trabalho de análise em lote de inferência da ICD-10-CM.

aws comprehendmedical stop-rx-norm-inference-job \
    --job-id "eg8199877365fc70299089371c043b96"

Saída:

{
    "JobId": "eg8199877365fc70299089371c043b96",
}

Para obter mais informações, consulte Vinculação de ontologias a análises em lotes no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte StopRxNormInferenceJobem Referência de AWS CLI Comandos.

stop-snomedct-inference-job

O código de exemplo a seguir mostra como usar stop-snomedct-inference-job.

AWS CLI

Como interromper um trabalho de inferência da SNOMED CT

O exemplo stop-snomedct-inference-job a seguir interrompe um trabalho de análise em lote de inferência da SNOMED CT.

aws comprehendmedical stop-snomedct-inference-job \
    --job-id "8750034166436cdb52ffa3295a1b00a1"

Saída:

{
    "JobId": "8750034166436cdb52ffa3295a1b00a1",
}

Para obter mais informações, consulte Vinculação de ontologias a análises em lotes no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte StopSnomedctInferenceJobem Referência de AWS CLI Comandos.

stop-snomedct-inference-job

O código de exemplo a seguir mostra como usar stop-snomedct-inference-job.

AWS CLI

Como interromper um trabalho de inferência da SNOMED CT

O exemplo stop-snomedct-inference-job a seguir interrompe um trabalho de análise em lote de inferência da SNOMED CT.

aws comprehendmedical stop-snomedct-inference-job \
    --job-id "8750034166436cdb52ffa3295a1b00a1"

Saída:

{
    "JobId": "8750034166436cdb52ffa3295a1b00a1",
}

Para obter mais informações, consulte Vinculação de ontologias a análises em lotes no Guia do desenvolvedor do Amazon Comprehend Medical.

• Para obter detalhes da API, consulte StopSnomedctInferenceJobem Referência de AWS CLI Comandos.