Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Uso de Amazon Comprehend Medical
Amazon Comprehend Medical detecta Servicio de AWS y devuelve información útil en textos clínicos no estructurados, como notas del médico, resúmenes de alta, resultados de pruebas y notas de casos. Utiliza modelos de procesamiento del lenguaje natural (PNL) para detectar entidades. Las entidades son referencias textuales a información médica, como afecciones médicas, medicamentos o información de salud protegida (PHI).
importante
Amazon Comprehend Medical no sustituye el asesoramiento, el diagnóstico ni el tratamiento médico profesional. Amazon Comprehend Medical proporciona puntuaciones de confianza que indican el nivel de confianza en la precisión de las entidades detectadas. Identifique el umbral de confianza adecuado para su caso de uso y utilice umbrales de confianza altos en situaciones que requieran una alta precisión. En ciertos casos de uso, los resultados deberán ser revisados y verificados por revisores humanos debidamente entrenados. Por ejemplo, Amazon Comprehend Medical solo debe utilizarse en escenarios de atención al paciente después de que un profesional médico debidamente formado haya revisado su exactitud y buen juicio médico.
Puede acceder a Amazon Comprehend Medical a través AWS Management Console del, AWS Command Line Interface el AWS CLI() o mediante AWS SDKs el. AWS SDKs Están disponibles para varios lenguajes de programación y plataformas, como Java, Python, Ruby, .NET, iOS y Android. Puede utilizarla para acceder mediante programación SDKs a Amazon Comprehend Medical desde su aplicación cliente.
En esta sección se analizan las principales capacidades de Amazon Comprehend Medical. También se analizan las ventajas de utilizar este servicio en comparación con un modelo de lenguaje amplio (LLM).
Capacidades de Amazon Comprehend Medical
Amazon Comprehend Medical APIs ofrece inferencias por lotes y casi en tiempo real. APIs Pueden asimilar textos médicos y proporcionar resultados para las tareas de PNL médicas mediante el reconocimiento de entidades médicas y la identificación de las relaciones entre entidades. Puede realizar análisis tanto en archivos individuales como en lotes en varios archivos almacenados en un bucket de Amazon Simple Storage Service (Amazon S3). Amazon Comprehend Medical ofrece las siguientes operaciones de API de análisis de texto para la detección de entidades sincrónicas:
-
Detecta entidades: detecta categorías médicas generales, como la anatomía, la afección médica, la categoría de PHI, los procedimientos y las expresiones horarias.
-
Detectar la PHI: detecta entidades específicas, como la edad, la fecha, el nombre e información personal similar.
Amazon Comprehend Medical también incluye varias operaciones de API que puede utilizar para realizar análisis de texto por lotes en documentos clínicos. Para obtener más información sobre cómo utilizar estas operaciones de API, consulte Análisis de texto por lotes APIs.
Utilice Amazon Comprehend Medical para detectar entidades en textos clínicos y vincular esas entidades con conceptos de ontologías médicas estandarizadas, incluidas RxNorm las bases de conocimiento ICD-10-CM y SNOMED CT. Puede realizar análisis tanto en archivos individuales como en lotes en documentos grandes o en varios archivos almacenados en un bucket de Amazon S3. Amazon Comprehend Medical ofrece la siguiente ontología que vincula las operaciones de la API:
-
Inferir ICD1 0CM: la operación Inferir ICD1 0CM detecta posibles afecciones médicas y las vincula a los códigos de la versión de 2019 de la 10ª revisión, modificación clínica (ICD-10-CM) de la Clasificación Internacional de Enfermedades. Para cada posible afección médica detectada, Amazon Comprehend Medical muestra los códigos y las descripciones correspondientes de la ICD-10-CM. Las afecciones médicas que aparecen en los resultados incluyen una puntuación de confianza, que indica la confianza que Amazon Comprehend Medical tiene en la precisión de las entidades asociadas a los conceptos correspondientes de los resultados.
-
InferRxNorm— La InferRxNormoperación identifica como entidades los medicamentos que figuran en la historia clínica de un paciente. Vincula las entidades con los identificadores conceptuales (RxCUI) de la RxNorm base de datos de la Biblioteca Nacional de Medicina. Cada RxCUI es único para diferentes concentraciones y formas de dosificación. Los medicamentos incluidos en los resultados incluyen una puntuación de confianza, que indica la confianza que Amazon Comprehend Medical tiene en la precisión de las entidades que coinciden con los conceptos de RxNorm la base de conocimientos. Amazon Comprehend Medical enumera los mejores medicamentos CUIs recetados que podrían coincidir con cada medicamento que detecte en orden descendente según la puntuación de confianza.
-
InfersnomedCT: la operación InfersnomedCT identifica los posibles conceptos médicos como entidades y los vincula a los códigos de la versión 2021-03 de la Nomenclatura Sistematizada de Términos Clínicos de Medicina (SNOMED CT). SNOMED CT proporciona un vocabulario completo de conceptos médicos, que incluye afecciones médicas y anatomía, así como pruebas, tratamientos y procedimientos médicos. Para cada identificador de concepto coincidente, Amazon Comprehend Medical muestra los cinco conceptos médicos principales, cada uno con una puntuación de confianza e información contextual, como características y atributos. El concepto SNOMED CT se IDs puede utilizar entonces para estructurar los datos clínicos de los pacientes con fines de codificación médica, elaboración de informes o análisis clínicos si se utiliza con la polijerarquía de SNOMED CT.
Para obtener más información, consulte Análisis de texto APIs y enlace de ontologías APIs en la documentación de Amazon Comprehend Medical.
Casos de uso de Amazon Comprehend Medical
Como servicio independiente, Amazon Comprehend Medical podría abordar el caso de uso de su organización. Amazon Comprehend Medical puede realizar tareas como las siguientes:
-
Ayuda con la codificación médica en los registros de los pacientes
-
Detecte datos de información de salud protegida (PHI)
-
Validar la medicación, incluidos atributos como la dosis, la frecuencia y la forma
Los resultados de Amazon Comprehend Medical son digeribles para la mayoría de los consultorios médicos. Sin embargo, es posible que deba considerar alternativas si tiene limitaciones como las siguientes:
-
Distintas definiciones de entidad: por ejemplo, su definición
FREQUENCYde entidad farmacológica puede diferir. En cuanto a la frecuencia, Amazon Comprehend Medical realiza las predicciones necesarias, pero su organización podría utilizar el término pro re nata (PRN). -
Cantidad abrumadora de resultados: por ejemplo, las notas de los pacientes suelen contener varios síntomas y palabras clave que se corresponden con varios códigos ICD-10-CM. Sin embargo, varias de las palabras clave no son aplicables al diagnóstico. En este caso, el proveedor debe evaluar numerosas entidades de la ICD-10-CM y sus puntuaciones de confianza, lo que requiere un tiempo de procesamiento manual.
-
Entidades personalizadas o tareas de PNL: por ejemplo, es posible que los proveedores deseen extraer pruebas de la PRN, por ejemplo, tomarlas según sea necesario en caso de dolor. Como no está disponible a través de Amazon Comprehend Medical, se necesita una solución AI/ML model is warranted. A different AI/ML diferente si la tarea de PNL está fuera del reconocimiento de la entidad, como el resumen, la respuesta a preguntas y el análisis de opiniones.
