Amazon Comprehend Medical 的工作原理

Amazon Comprehend Medical 使用預先訓練的自然語言處理 (NLP) 模型通過實體檢測來分析非結構化臨牀文本。實體是醫療信息的文本參考，例如醫療狀況、藥物或保護 Health 信息 (PHI)。有些行動進一步發現實體，然後將這些實體與標準化本體聯繫起來。該模型在大量的醫學文本上持續訓練，因此您不需要提供訓練數據。所有結果都包括置信度分數，表明 Amazon Comprehend Medical 部門對檢測到的實體的準確性有信心。

實體檢測和本體鏈接都可以作為同步操作或異步操作執行：

• 同步操作 — 支持對單個文檔進行分析，這些文檔將分析結果直接返回到您的應用程序。創建一次可處理一個文檔的交互式應用程序時，請使用單個文檔操作。

• 非同步操作 — 支持對 Amazon S3 儲存儲體儲存儲體的集合或批次的文件進行分析。在 S3 儲存儲體中返回分析結果。

注意

Amazon Comprehend Medical 只能分析英文文本 (US-EN)。

同步實體檢測

所以此檢測功能 V2和檢測操作從單個文檔中檢測非結構化臨牀文本中的實體。您將文檔發送給 Amazon Comprehend Medical 服務，並在響應中收到分析結果。

非同步批次分析

所以此啟動系統檢測 V2 作業和啟動檢測作業操作啟動異步作業，以檢測對醫療信息（如醫療狀況、治療、測試和結果）的引用，或存儲在 Amazon S3 存儲桶中的受保護的健康信息。檢測作業的輸出將寫入單獨的 Amazon S3 存儲桶，從該存儲桶中可用於進一步處理或下遊分析。

所以此第 10 次會議工作，以及啟動正常工作操作開始本體鏈接批處理操作，檢測實體並將這些實體鏈接到 RxNorm 和 ICD-10-CM 知識庫中的標準化代碼。

本體鏈接

所以此低於 10 釐米、地下，以及規範操作檢測潛在的醫療條件和藥物，並將它們分別與 ICD-10-CM、SNOMED CT 或 RxNorm 知識庫中的代碼聯繫起來。您可以使用本體鏈接批處理分析來分析文檔集合或單個大型文檔。通過使用控制台或本體鏈接批處理 API，您可以執行操作來啟動、停止、列出和描述正在進行的批處理分析作業。

連結 ICD-10-CM 醫療狀況知識庫中的概念

所以此低於 10 釐米操作可檢測潛在的醫療狀況，並將其與 2019 年版《國際疾病分類第 10 修訂版臨牀修訂版（ICD-10-CM）》中的代碼鏈接起來。對於檢測到的每種潛在的醫療狀況，Amazon Comprehend Medical 中心列出了匹配的 ICD-10-CM 代碼和説明。Li醫療 c一次性在結果包含置信度評分，表明 Amazon Comprehend Medical 部門對實體的精度添加到結果中匹配的概念。

鏈接到藥物 RxNorm 知識庫中的概念

所以此規範操作將病人記錄中列為實體的藥物識別。它將實體與國家醫學圖書館 RxNorm 數據庫中的概念標識符 (RXCUI) 聯繫起來。每個 RxCUI 對於不同的強度和劑量形式都是獨一無二的。Li斯特德醫藥作用在結果包含置信度評分，表明 Amazon Comprehend Medical 部門對與概念相匹配的實體的精度來自RX 規範知識庫。Amazon Comprehend Medical 中心列出了可能匹配的最佳 RXCUI，它根據置信度分數按降序排列它檢測到的每種藥物。

鏈接到 SNOMED CT 醫學概念知識庫中的概念

InfersnomedCT 手術確定了可能的醫學概念作為實體，並將它們與 2021-03 版本的醫學臨牀術語系統化命名法（SNOMED CT）中的代碼聯繫起來。SNOMED CT 提供全面的醫學概念詞彙，包括醫療條件和解剖學，以及醫學檢查、治療和程序。對於每個匹配的概念 ID，Amazon Comprehend Medical 會返回前五個醫療概念，每個概念都有置信度和上下文信息，例如特徵和屬性。然後，SNOMED CT 概念 ID 可用於構建患者臨牀數據，用於醫學編碼、報告或臨牀分析，當與 SNOMED CT 多層結構一起使用時。