Vinculação de ontologias a análises em lote

Use o Amazon Comprehend Medical para detectar entidades em textos clínicos armazenados em um bucket do Amazon Simple Storage Service (Amazon S3) e para vincular essas entidades a ontologias padronizadas. Você pode usar a análise em lote de vinculações de ontologia para analisar um conjunto de documentos ou um único documento com até 20.000 caracteres. Usando o console ou a ontologia que vincula operações de APIs em lote, você pode realizar operações para iniciar, interromper, listar e descrever trabalhos de análise em lote em andamento.

Para obter informações sobre preços de análise em lote e outras operações do Amazon Comprehend Medical, consulte Preços do Amazon Comprehend Medical.

Realizar a análise em lote

Você pode executar um trabalho de análise em lote usando o console do Amazon Comprehend Medical ou as operações de APIs em lote do Amazon Comprehend Medical.

Executar análise em lote usando operações de APIs

Pré-requisitos

Ao usar a API do Amazon Comprehend Medical, crie uma política do AWS Identity Access and Management (IAM) e anexe-a a um perfil do IAM. Para saber mais sobre as políticas de confiança e os perfis do IAM, consulte Políticas e permissões do IAM.

1. Faça upload de seus dados em um bucket do S3.

2. Para iniciar um novo trabalho de análise, use o StarticD10cmInferenceJob, InferenceJobStartsNomeDCT ou as operações. StartRxNormInferenceJob Forneça o nome do bucket do Amazon S3 que contém os arquivos de entrada e o nome do bucket do Amazon S3 para o qual você deseja enviar os arquivos de saída.

3. Monitore o progresso do trabalho usando DescribeICD10cm, DescribeSnomedCT InferenceJob ou operações. InferenceJob DescribeRxNormInferenceJob Além disso, você pode usar ListicD10cm InferenceJobs, ListsNomeDCT InferenceJobs e ver o status de todas as ontologias ListRxNormInferenceJobsque vinculam trabalhos de análise em lote.

4. Se você precisar interromper um trabalho em andamento, use StopicD10cm, StopsNomeDCT InferenceJob ou para interromper a análise InferenceJob. StopRxNormInferenceJob

5. Para ver os resultados do seu trabalho de análise, consulte o bucket do S3 de saída que você configurou ao iniciar o trabalho.

Executar análise em lote usando o console

1. Faça upload de seus dados em um bucket do S3.

2. Para iniciar um novo trabalho de análise, selecione o tipo de análise que você executará. Em seguida, forneça o nome do bucket do S3 que contém os arquivos de entrada e o nome do bucket do S3 para o qual você deseja enviar os arquivos de saída.

3. Monitore o status do seu trabalho enquanto ele estiver em andamento. No console, você pode visualizar todas as operações de análise em lote e seu status, incluindo quando a análise foi iniciada e finalizada.

4. Para ver os resultados do seu trabalho de análise, consulte o bucket do S3 de saída que você configurou ao iniciar o trabalho.

Políticas do IAM para operações em lote

O perfil do IAM que chama as operações de APIs em lote do Amazon Comprehend Medical deve ter uma política que conceda acesso aos buckets do S3 que contêm os arquivos de entrada e saída. O perfil do IAM também deve receber uma relação de confiança que permite que o serviço do Amazon Comprehend Medical assuma a função. Para saber mais sobre as políticas de confiança e os perfis do IAM, consulte Perfis do IAM.

O perfil deve ter a política a seguir:

{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Action": [
                "s3:GetObject"
            ],
            "Resource": [
                "arn:aws:s3:::input-bucket/*"
            ],
            "Effect": "Allow"
        },
        {
            "Action": [
                "s3:ListBucket"
            ],
            "Resource": [
                "arn:aws:s3:::input-bucket",
                "arn:aws:s3:::output-bucket",
            ],
            "Effect": "Allow"
        },
        {
            "Action": [
                "s3:PutObject"
            ],
            "Resource": [
                " arn:aws:s3:::output-bucket/*"
            ],
            "Effect": "Allow"
        }
    ]
}

 

O perfil deve ter a relação de confiança a seguir. É recomendável usar as chaves de condição aws:SourceAccount ou aws:SourceArn para evitar o problema de segurança "confused deputy". Para saber mais sobre o problema do delegado confuso e como proteger sua AWS conta, consulte O problema do deputado confuso na documentação do IAM.

{
   "Version":"2012-10-17",
   "Statement":[
      {
         "Effect":"Allow",
         "Principal":{
            "Service":[
               "comprehendmedical.amazonaws.com"
            ]
         },
         "Action":"sts:AssumeRole",
         "Condition": {
            "StringEquals": {
               "aws:SourceAccount": "account_id"
            },
            "ArnLike": {
               "aws:SourceArn": "arn:aws:comprehendmedical:region:account_id:*"
            }
         }
      }
   ]
}

Arquivos de saída de análise em lote

O Amazon Comprehend Medical cria um arquivo de saída para cada arquivo de entrada no lote. O arquivo tem a extensão .out. O Amazon Comprehend Medical primeiro cria um diretório no bucket S3 de saída usando o AwsAccountId- JobType- JobIdcomo nome e, em seguida, grava todos os arquivos de saída do lote nesse diretório. O Amazon Comprehend Medical cria esse novo diretório para que a saída de um trabalho não substitua a saída de outro.

A operação em lote produz a mesma saída de uma operação síncrona.

Cada operação em lote produz os três arquivos de manifesto a seguir que contêm informações sobre o trabalho:

• Manifest: resume o trabalho. Fornece informações sobre os parâmetros usados para a tarefa, o tamanho total da tarefa e o número de arquivos processados.

• Success: fornece informações sobre os arquivos que foram processados com êxito. Inclui o nome do arquivo de entrada e saída e o tamanho do arquivo de entrada.

• Unprocessed: lista os arquivos que o trabalho em lote não processou com códigos de erro e mensagens de erro por arquivo.

O Amazon Comprehend Medical grava os arquivos no diretório de saída que você especificou para o trabalho em lotes. O arquivo de resumo do manifesto será gravado na pasta de saída, junto com uma pasta chamada Manifest_AccountId-Operation-JobId. Dentro da pasta do manifesto está a pasta success, que contém o manifesto de sucesso, e a pasta failed, que contém o manifesto do arquivo não processado. As seções a seguir mostram a estrutura dos arquivos do manifesto.

Arquivo de manifesto em lote

Veja a seguir a estrutura JSON do arquivo do manifesto em lote.

{"Summary" : 
    {"Status" : "COMPLETED | FAILED | PARTIAL_SUCCESS | STOPPED", 
    "JobType" : "ICD10CMInference | RxNormInference | SNOMEDCTInference", 
    "InputDataConfiguration" : {
        "Bucket" : "input bucket", 
        "Path" : "path to files/account ID-job type-job ID" 
    }, "OutputDataConfiguration" : {
        "Bucket" : "output bucket", 
        "Path" : "path to files" 
    }, 
    "InputFileCount" : number of files in input bucket, 
    "TotalMeteredCharacters" : total characters processed from all files, 
    "UnprocessedFilesCount" : number of files not processed, 
    "SuccessFilesCount" : total number of files processed, 
    "TotalDurationSeconds" : time required for processing, 
    "SuccessfulFilesListLocation" : "path to file", 
    "UnprocessedFilesListLocation" : "path to file",
    "FailedJobErrorMessage": "error message or if not applicable,
              The status of the job is completed"
    } 
}

Arquivo de manifesto de sucesso

Veja a seguir a estrutura JSON do arquivo que contém informações sobre arquivos processados com êxito.

{
    "Files": [{
            "Input": "input path/input file name",
            "Output": "output path/output file name",
            "InputSize": size in bytes of input file
        },
        {
            "Input": "input path/input file name",
            "Output": "output path/output file name",
            "InputSize": size in bytes of input file
     }]
}

Arquivo de manifesto não processado

Veja a seguir a estrutura JSON do arquivo de manifesto que contém informações sobre arquivos não processados.

{
  "Files" : [ {
      "Input": "file_name_that_failed",
      "ErrorCode": "error code for exception",
      "ErrorMessage": "explanation of the error code and suggestions"
  }, 
  { ...}
  ]
}