Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Menggunakan Amazon Comprehend Medical
Amazon Comprehend Medical adalah Layanan AWS yang mendeteksi dan mengembalikan informasi berguna dalam teks klinis yang tidak terstruktur seperti catatan dokter, ringkasan pelepasan, hasil tes, dan catatan kasus. Ini menggunakan model pemrosesan bahasa alami (NLP) untuk mendeteksi entitas. Entitas adalah referensi tekstual untuk informasi medis, seperti kondisi medis, obat-obatan, atau informasi kesehatan yang dilindungi (PHI).
penting
Amazon Comprehend Medical bukan pengganti saran medis profesional, diagnosis, atau perawatan. Amazon Comprehend Medical memberikan skor kepercayaan yang menunjukkan tingkat kepercayaan pada keakuratan entitas yang terdeteksi. Identifikasi ambang kepercayaan yang tepat untuk kasus penggunaan Anda, dan gunakan ambang kepercayaan tinggi dalam situasi yang membutuhkan akurasi tinggi. Dalam kasus penggunaan tertentu, hasil harus ditinjau dan diverifikasi oleh pengulas manusia yang terlatih dengan tepat. Misalnya, Amazon Comprehend Medical hanya boleh digunakan dalam skenario perawatan pasien setelah ditinjau untuk akurasi dan penilaian medis yang baik oleh profesional medis terlatih.
Anda dapat mengakses Amazon Comprehend Medical melalui AWS Management Console,AWS CLI(), AWS Command Line Interface atau melalui. AWS SDKs AWS SDKs Tersedia untuk berbagai bahasa pemrograman dan platform, seperti Java, Python, Ruby, .NET, iOS, dan Android. Anda dapat menggunakan SDKs untuk mengakses Amazon Comprehend Medical secara terprogram dari aplikasi klien Anda.
Bagian ini mengulas kemampuan utama Amazon Comprehend Medical. Ini juga membahas keuntungan menggunakan layanan ini dibandingkan dengan model bahasa besar (LLM).
Amazon Comprehend Medical kemampuan
Amazon Comprehend Medical APIs menawarkan untuk inferensi hampir real-time dan batch. Ini APIs dapat menelan teks medis dan memberikan hasil untuk tugas NLP medis dengan menggunakan pengenalan entitas medis dan mengidentifikasi hubungan entitas. Anda dapat melakukan analisis baik pada file tunggal atau sebagai analisis batch pada beberapa file yang disimpan dalam bucket Amazon Simple Storage Service (Amazon S3). Amazon Comprehend Medical menawarkan operasi API analisis teks berikut untuk deteksi entitas sinkron:
-
Mendeteksi entitas - Mendeteksi kategori medis umum seperti anatomi, kondisi medis, kategori PHI, prosedur, dan ekspresi waktu.
-
Deteksi PHI — Mendeteksi entitas tertentu seperti usia, tanggal, nama, dan informasi pribadi serupa.
Amazon Comprehend Medical juga menyertakan beberapa operasi API yang dapat Anda gunakan untuk melakukan analisis teks batch pada dokumen klinis. Untuk mempelajari lebih lanjut tentang cara menggunakan operasi API ini, lihat Kumpulan analisis teks APIs.
Gunakan Amazon Comprehend Medical untuk mendeteksi entitas dalam teks klinis dan menghubungkan entitas tersebut dengan konsep dalam ontologi medis standar, termasuk RxNorm basis pengetahuan ICD-10-CM, dan SNOMED CT. Anda dapat melakukan analisis baik pada file tunggal atau sebagai analisis batch pada dokumen besar atau beberapa file yang disimpan dalam bucket Amazon S3. Amazon Comprehend Medical menawarkan operasi API penautan ontologi berikut:
-
Infer ICD1 0CM - Operasi Infer ICD1 0CM mendeteksi kondisi medis potensial dan menghubungkannya ke kode dari Klasifikasi Penyakit Internasional versi 2019, Revisi ke-10, Modifikasi Klinis (ICD-10-CM). Untuk setiap kondisi medis potensial yang terdeteksi, Amazon Comprehend Medical mencantumkan kode dan deskripsi ICD-10-CM yang cocok. Kondisi medis yang tercantum dalam hasil termasuk skor kepercayaan, yang menunjukkan keyakinan yang dimiliki Amazon Comprehend Medical dalam keakuratan entitas terhadap konsep yang cocok dalam hasil.
-
InferRxNormInferRxNormOperasi mengidentifikasi obat-obatan yang tercantum dalam catatan pasien sebagai entitas. Ini menghubungkan entitas ke pengidentifikasi konsep (RxCui) dari RxNorm database dari Perpustakaan Kedokteran Nasional. Setiap RxCui unik untuk kekuatan dan bentuk dosis yang berbeda. Obat-obatan yang terdaftar dalam hasil termasuk skor kepercayaan, yang menunjukkan keyakinan yang dimiliki Amazon Comprehend Medical dalam keakuratan entitas yang cocok dengan konsep dari basis pengetahuan. RxNorm Amazon Comprehend Medical mencantumkan CUIs Rx teratas yang berpotensi cocok untuk setiap obat yang dideteksi dalam urutan menurun berdasarkan skor kepercayaan.
-
InfersNomeDCT - Operasi InfersNomeDCT mengidentifikasi konsep medis yang mungkin sebagai entitas dan menghubungkannya ke kode dari versi 2021-03 dari Nomenklatur Kedokteran Sistematisasi, Istilah Klinis (SNOMED CT). SNOMED CT menyediakan kosakata komprehensif konsep medis, termasuk kondisi medis dan anatomi, serta tes medis, perawatan, dan prosedur. Untuk setiap ID konsep yang cocok, Amazon Comprehend Medical mengembalikan lima konsep medis teratas, masing-masing dengan skor kepercayaan diri dan informasi kontekstual seperti sifat dan atribut. Konsep CT SNOMED kemudian IDs dapat digunakan untuk menyusun data klinis pasien untuk pengkodean medis, pelaporan, atau analitik klinis bila digunakan dengan polihierarki CT SNOMED.
Untuk informasi selengkapnya, lihat Analisis teks APIs dan Penautan Ontologi APIs di dokumentasi Amazon Comprehend Medical.
Kasus penggunaan untuk Amazon Comprehend Medical
Sebagai layanan mandiri, Amazon Comprehend Medical dapat menangani kasus penggunaan organisasi Anda. Amazon Comprehend Medical dapat melakukan tugas-tugas seperti berikut:
-
Bantuan dengan pengkodean medis dalam catatan pasien
-
Mendeteksi data informasi kesehatan yang dilindungi (PHI)
-
Memvalidasi obat, termasuk atribut seperti dosis, frekuensi, dan bentuk
Hasil Amazon Comprehend Medical dapat dicerna untuk sebagian besar praktik medis. Namun, Anda mungkin perlu mempertimbangkan alternatif jika Anda memiliki batasan seperti berikut:
-
Definisi entitas yang berbeda — Misalnya, definisi Anda
FREQUENCYtentang entitas obat mungkin berbeda. Untuk frekuensi, Amazon Comprehend Medical memprediksi sesuai kebutuhan, tetapi organisasi Anda mungkin menggunakan istilah pro re nata (PRN). -
Jumlah hasil yang luar biasa — Misalnya, catatan pasien sering berisi beberapa gejala dan kata kunci yang dipetakan ke beberapa kode ICD-10-CM. Namun, beberapa kata kunci tidak berlaku untuk diagnosis. Dalam hal ini, penyedia harus mengevaluasi banyak entitas ICD-10-CM dan skor kepercayaan mereka, yang memerlukan waktu pemrosesan manual.
-
Entitas khusus atau tugas NLP — Misalnya, penyedia mungkin ingin mengekstrak bukti PRN, seperti mengambil sesuai kebutuhan untuk rasa sakit. Karena ini tidak tersedia melalui Amazon Comprehend Medical, solusi AI/ML model is warranted. A different AI/ML lain diperlukan jika tugas NLP berada di luar pengakuan entitas, seperti meringkas, menjawab pertanyaan, dan analisis sentimen.
