

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Detectar PHI
<a name="textanalysis-phi"></a>

Use a operação **DetectPHI** quando quiser detectar somente dados de Informações de Saúde Protegidas (PHI) ao digitalizar o texto clínico. Para detectar todas as entidades disponíveis no texto clínico, use **DetectEntitiesV2**.

Essa API é melhor para um caso de uso em que somente a detecção de entidades PHI é necessária. Para obter informações sobre informações nas categorias não PHI, consulte. [Detectar entidades (versão 2)](textanalysis-entitiesv2.md)

**Importante**  
 O Amazon Comprehend Medical fornece pontuações de confiança que indicam o nível de confiança na precisão das entidades detectadas. Avalie essas pontuações de confiança e identifique o limite de confiança certo para seu caso de uso. Para casos de uso específicos de conformidade, recomendamos que você use análise humana adicional ou outros métodos para confirmar a precisão das PHI detectadas.

De acordo com a lei HIPAA, as PHI baseadas em uma lista de 18 identificadores devem ser tratadas com cuidado especial. O Amazon Comprehend Medical detecta entidades associadas a esses identificadores, mas essas entidades não mapeiam 1:1 para a lista especificada pelo método Safe Harbor. Nem todos os identificadores estão contidos em textos clínicos não estruturados, mas o Amazon Comprehend Medical cobre todos os identificadores relevantes. Esses identificadores consistem em dados que podem ser usados para identificar um paciente individual, incluindo a lista a seguir. Para obter mais informações, consulte [Privacidade de informações de saúde](https://www.hhs.gov/hipaa/for-professionals/privacy/special-topics/de-identification/index.html) no site de *Saúde e Serviços Humanos do Governo dos EUA.* 

Cada entidade relacionada ao PHI inclui uma pontuação (`Score` na resposta) que indica o nível de confiança que o Amazon Comprehend Medical tem na precisão da detecção. Identifique o limite de confiança certo para seu caso de uso e filtre entidades que não o atendam. Ao identificar ocorrências de PHI, talvez seja melhor usar um limite de confiança baixo para filtrar a fim de capturar mais entidades detectadas em potencial. Isso é especialmente verdadeiro quando não se usa os valores das entidades detectadas em casos de uso de conformidade.

**As seguintes entidades relacionadas ao PHI podem ser detectadas executando as operações **DetectPhi** ou V2: DetectEntities**


**Entidades PHI detectadas**  

|  Entidade  |  Description  |  Categoria da HIPAA  | 
| --- | --- | --- | 
|  AGE  |  Todos os componentes da idade, faixa etária e qualquer idade mencionada, seja paciente, membro da família ou outras pessoas envolvidas na nota. O padrão é em anos, salvo indicação em contrário.  |  3. Datas relacionadas a um indivíduo  | 
| DATE | Qualquer data relacionada ao paciente ou ao atendimento ao paciente.  | 3. Datas relacionadas a um indivíduo | 
|  NAME  |  Todos os nomes mencionados na nota clínica, geralmente pertencentes ao paciente, à família ou ao profissional de saúde.  |  1. Nome  | 
|  PHONE\$1OR\$1FAX  |  Qualquer telefone, fax, pager; exclui números de telefone nomeados, como 1-800-QUIT-NOW e 911.  |  4. Número de telefone 5. Número de FAX  | 
|  EMAIL  |  Qualquer endereço de e-mail.  |  6. Endereços de e-mail  | 
|  ID  |  Qualquer tipo de número associado à identidade de um paciente. Isso inclui o número de CPF, número do prontuário médico, número de identificação da instalação, número do ensaio clínico, número do certificado ou licença, número do veículo ou dispositivo. Também inclui números biométricos e números que identificam o local do atendimento ou do prestador.  |  7. Número da previdência social  8. Número do prontuário médico 9. Número do plano de saúde 10. Números de conta 11. Certificate/License números 12. Identificadores de veículos 13. Números de dispositivos 16. Informações biométricas 18. Quaisquer outras características de identificação  | 
|  URL  |  Qualquer URL da Web.  |  14. URLs  | 
|  ADDRESS  |  Isso inclui todas as subdivisões geográficas de um endereço de qualquer instalação, instalações médicas nomeadas ou enfermarias dentro de uma instalação.  |  2. Localização geográfica  | 
|  PROFISSÃO  |  Inclui qualquer profissão ou empregador mencionado em uma nota no que diz respeito ao paciente ou à família do paciente.  |  18. Quaisquer outras características de identificação  | 



**Exemplo**  


O texto "O paciente é John Smith, professor de 48 anos e residente em Seattle, Washington". retornará:
+ "John Smith" como uma *entidade* do tipo `NAME` na categoria `PROTECTED_HEALTH_INFORMATION`.
+ "48" como uma *entidade* do tipo `AGE` na categoria `PROTECTED_HEALTH_INFORMATION`.
+ "professor" como uma *entidade* do tipo `PROFESSION` (característica identificadora) na categoria `PROTECTED_HEALTH_INFORMATION`.
+ "Seattle, Washington" como `ADDRESS` *entidade* na categoria `PROTECTED_HEALTH_INFORMATION`.

No console do Amazon Comprehend Medical, isso é mostrado assim:

![\[Patient information card displaying name, age, profession, and address details.\]](http://docs.aws.amazon.com/pt_br/comprehend-medical/latest/dev/images/patient.png)


Ao usar a operação **DetectPHI**, a resposta aparece assim. Quando você usa a operação **Start PHIDetection Job**, o Amazon Comprehend Medical cria um arquivo no local de saída com essa estrutura.

```
{
    "Entities": [
        {
            "Id": 0,
            "BeginOffset": 11,
            "EndOffset": 21,
            "Score": 0.997368335723877,
            "Text": "John Smith",
            "Category": "PROTECTED_HEALTH_INFORMATION",
            "Type": "NAME",
            "Traits": []
        },
        {
            "Id": 1,
            "BeginOffset": 25,
            "EndOffset": 27,
            "Score": 0.9998362064361572,
            "Text": "48",
            "Category": "PROTECTED_HEALTH_INFORMATION",
            "Type": "AGE",
            "Traits": []
        },
        {
            "Id": 2,
            "BeginOffset": 37,
            "EndOffset": 44,
            "Score": 0.8661606311798096,
            "Text": "teacher",
            "Category": "PROTECTED_HEALTH_INFORMATION",
            "Type": "PROFESSION",
            "Traits": []
        },
        {
            "Id": 3,
            "BeginOffset": 61,
            "EndOffset": 68,
            "Score": 0.9629441499710083,
            "Text": "Seattle",
            "Category": "PROTECTED_HEALTH_INFORMATION",
            "Type": "ADDRESS",
            "Traits": []
        },
        {
            "Id": 4,
            "BeginOffset": 78,
            "EndOffset": 88,
            "Score": 0.38217034935951233,
            "Text": "Washington",
            "Category": "PROTECTED_HEALTH_INFORMATION",
            "Type": "ADDRESS",
            "Traits": []
        }
    ],
    "UnmappedAttributes": []
}
```