Como funciona o Amazon Comprehend Medical

O Amazon Comprehend Medical usa um modelo pré-treinado de processamento de linguagem natural (NLP) para analisar textos clínicos não estruturados por meio da detecção de entidades. Uma entidade é uma referência textual a informações médicas, como condições médicas, medicamentos ou Informações de Saúde Protegidas (PHI). Algumas operações vão um passo adiante ao detectar entidades e, em seguida, vinculá-las a ontologias padronizadas. O modelo é treinado continuamente em uma grande quantidade de textos médicos, então você não precisa fornecer dados de treinamento. Todos os resultados incluem uma pontuação de confiança, que indica a confiança que o Amazon Comprehend Medical tem na precisão das entidades detectadas.

Tanto a detecção de entidades quanto a vinculação de ontologias podem ser realizadas como operações síncronas ou assíncronas:

• Operações síncronas: permitem a análise em documentos únicos que retornam os resultados da análise diretamente para seus aplicativos. Use as operações de documento único ao criar um aplicativo interativo que funciona em um documento por vez.

• Operações assíncronas: permitem a análise de uma coleção ou lote de documentos armazenados em um bucket do Amazon S3. Os resultados da análise são retornados em um bucket do S3.

nota

O Amazon Comprehend Medical pode analisar somente texto em inglês (US-EN).

Detecção síncrona de entidades

As operações DetectEntitiesV2 e DetectPHI detectam entidades em textos clínicos não estruturados de documentos individuais. Você envia um documento para o serviço Amazon Comprehend Medical e recebe os resultados da análise na resposta.

Análise assíncrona de lotes

As operações StartEntitiesDetectionV2Job e StartPhiDetectionJob iniciam trabalhos assíncronos para detectar referências a informações médicas, como condição médica, tratamento, testes e resultados, ou informações de saúde protegidas armazenadas em um bucket do Amazon S3. A saída do trabalho de detecção é gravada em um bucket separado do Amazon S3, a partir do qual pode ser usada para processamento adicional ou análise posterior.

As operações StartICD10CMInferenceJob e StartRxNormInferenceJob iniciam a ontologia vinculando operações em lote que detectam entidades e vinculam essas entidades a códigos padronizados nas bases de conhecimento RxNorm e ICD-10-CM.

Vinculação de ontologias

As operações InferICD10CM, InferSNOMEDCT e InferRxNorm detectam possíveis condições médicas e medicamentos e os vinculam a códigos nas bases de conhecimento ICD-10-CM, SNOMED CT ou RxNorm, respectivamente. Você pode usar a análise em lote de vinculações de ontologia para analisar um conjunto de documentos ou um único documento grande. Usando o console ou a ontologia que vincula APIs em lote, você pode realizar operações para iniciar, interromper, listar e descrever trabalhos de análise em lote em andamento.

Vinculação a conceitos na base de conhecimento de condições médicas do ICD-10-CM

A operação InferICD10CM detecta possíveis condições médicas e as vincula a códigos da versão de 2019 da Classificação Internacional de Doenças, 10ª revisão, Modificação Clínica (ICD-10-CM). Para cada possível condição médica detectada, o Amazon Comprehend Medical lista os códigos e descrições ICD-10-CM correspondentes. As condições médicas listadas nos resultados incluem uma pontuação de confiança, que indica a confiança que o Amazon Comprehend Medical tem na precisão das entidades em relação aos conceitos correspondentes nos resultados.

Vinculação a conceitos na base de conhecimento de medicamentos RxNorm

A operação InferRxNorm identifica medicamentos listados em um prontuário do paciente como entidades. Ela vincula entidades aos identificadores de conceito (RxCUI) do banco de dados RxNorm da National Library of Medicine. Cada RxCUI é exclusivo de diferentes dosagens e formas de dosagem. Os medicamentos listados nos resultados incluem uma pontuação de confiança, que indica a confiança que o Amazon Comprehend Medical tem na precisão das entidades em relação aos conceitos da base de conhecimento RxNorm. O Amazon Comprehend Medical lista os principais RxCUIs potencialmente correspondentes para cada medicamento que ele detecta em ordem decrescente por pontuação de confiança.

Vinculação a conceitos na base de conhecimento de condições médicas do SNOMED CT

A operação InferSNOMEDCT identifica possíveis conceitos médicos como entidades e os vincula a códigos da versão 2021-03 da Nomenclatura Sistematizada de Medicina, Termos Clínicos (SNOMED CT). O SNOMED CT fornece um vocabulário abrangente de conceitos médicos, incluindo condições médicas e anatomia, exames médicos, tratamentos e procedimentos. Para cada ID de conceito correspondente, o Amazon Comprehend Medical retorna os cinco principais conceitos médicos, cada um com uma pontuação de confiança e informações contextuais, como características e atributos. Os IDs conceituais do SNOMED CT podem então ser usados para estruturar dados clínicos do paciente para codificação médica, relatórios ou análises clínicas quando usados com a poli-hierarquia do SNOMED CT.