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.
# Vinculación de ontologías
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 de documentos de gran tamaño, o bien analizar varios archivos almacenados en Amazon Simple Storage Service (S3).
# Vinculación de ICD-10-CM
Utilice Infer ICD10 CM para detectar posibles afecciones médicas como entidades y vincularlas a los códigos de la versión 2026 de la [10ª revisión, modificación clínica (ICD-10-CM) de la Clasificación Internacional de Enfermedades](https://www.cdc.gov/nchs/icd/icd-10-cm/?CDC_AAref_Val=https://www.cdc.gov/nchs/icd/icd-10-cm.htm). La ICD-10-CM la proporcionan los Centros para el Control y la Prevención de Enfermedades (CDC) de EE. UU.
Cuando se detectan enfermedades, `InferICD10CM` devuelve los códigos coincidentes de la ICD-10-CM y las descripciones. Las afecciones detectadas se indican en orden descendente según el nivel de confianza. Las puntuaciones indican la confianza en la precisión de la asignación de entidades a los conceptos encontrados en el texto. La información relacionada, como los antecedentes familiares, los signos, los síntomas y la negación, se reconoce como características. La información adicional, como las designaciones anatómicas y la agudeza, se describe como atributos.
Infer ICD10 CM es ideal para los siguientes escenarios:
+ Ayuda a la codificación médica profesional de las historias clínicas de los pacientes
+ Estudios y ensayos clínicos
+ Integración con un sistema de software médico
+ Detección y diagnóstico tempranos
+ Administración de la salud de la población
## Categoría de ICD-10-CM
**Infer ICD10 CM** detecta las entidades de la categoría. `MEDICAL_CONDITION` También detecta otra información relacionada, que se vincula como atributos o características.
## Tipos de ICD-10-CM
**Infer ICD10 CM** detecta entidades de los tipos `DX_NAME` y. `TIME_EXPRESSION`
## Características de ICD-10-CM
**Infer ICD10 CM** detecta la siguiente información contextual como rasgos:
+ `DIAGNOSIS`: una identificación de una afección médica que se determina mediante la evaluación de los síntomas.
+ `HYPOTHETICAL`: una indicación de que una afección médica se expresa como una hipótesis.
+ `LOW_CONFIDENCE`: una indicación de que una afección médica se expresa como de alta incertidumbre. Esto no está directamente relacionado con las puntuaciones de confianza proporcionadas.
+ `NEGATION`: una indicación de que no existe una afección médica.
+ `PERTAINS_TO_FAMILY`: una indicación de que una afección médica es relevante para la familia del paciente, no para el paciente.
+ `SIGN`: una afección médica indicada por el médico.
+ `SYMPTOM`: una afección médica indicada por el paciente.
## Atributos de ICD-10-CM
**Infer ICD10 CM** detecta la siguiente información contextual como atributos:
+ `DIRECTION`: términos direccionales. Por ejemplo, izquierda, derecha, medial, lateral, superior, inferior, posterior, anterior, distal, proximal, contralateral, bilateral, ipsilateral, dorsal o ventral.
+ `SYSTEM_ORGAN_SITE`: ubicación anatómica.
+ `ACUITY:` determinación de una enfermedad como crónica, aguda, repentina, persistente o gradual. Se aplica solo al tipo `MEDICAL_CONDITION`.
+ `QUALITY`: cualquier término descriptivo de la afección médica, como el estadio o el grado.
## Categoría de expresión de tiempo
La categoría `TIME_EXPRESSION` detecta entidades relacionadas con el tiempo. Esto incluye entidades como fechas y expresiones de tiempo; por ejemplo, “three days ago” (hace tres días), “today” (hoy), “currently” (actualmente), “day of admission” (fecha de ingreso), “last month” (el mes pasado) o “16 days” (16 días). Los resultados de esta categoría solo se devuelven si están asociados a una entidad. Por ejemplo, la expresión “Yesterday, the patient was diagnosed with influenza” (Ayer, el paciente fue diagnosticado de gripe) devolvería `Yesterday` (Ayer) como una entidad `TIME_EXPRESSION` que se solapa con la entidad `DX_NAME`, “influenza” (gripe). Sin embargo, “yesterday” (ayer) no se reconocería como una entidad en la expresión “Yesterday, the patient walked their dog” (Ayer, el paciente sacó de paseo a su perro).
## Tipos
El tipo reconocido de `TIME_EXPRESSION` es `TIME_TO_DX_NAME`: la fecha en que ocurrió una afección médica. El atributo de este tipo es `DX_NAME`.
## Tipo de relación
`RELATIONSHIP_TYPE` indica la relación entre una entidad y un atributo. El valor de `RELATIONSHIP_TYPE` reconocido es `OVERLAP`: `TIME_EXPRESSION` ocurre a la vez que la entidad detectada.
## Ejemplos de entrada y respuesta
**nota**
Para obtener información sobre la sintaxis específica de entrada y respuesta de la API, consulte [Infer ICD10 CM](https://docs.aws.amazon.com/comprehend-medical/latest/api/API_InferICD10CM.html) en la *Amazon Comprehend Medical* API Reference.
En el siguiente ejemplo de texto de entrada se muestra cómo funciona la operación `InferICD10CM`. Para ver todo el texto de entrada, desplácese sobre el botón **Copiar**.
```
"The patient is a 71-year-old female patient of Dr. X. The patient presented to the emergency room last evening with approximately 7 to 8 day history of abdominal pain which has been persistent. She has had no nausea and vomiting, but has had persistent associated anorexia. She is passing flatus, but had some obstipation symptoms with the last bowel movement two days ago. She denies any bright red blood per rectum and no history of recent melena. Her last colonoscopy was approximately 5 years ago with Dr. Y. She has had no definite fevers or chills and no history of jaundice. The patient denies any significant recent weight loss."
```
La operación `InferICD10CM` devuelve el siguiente resultado en formato JSON (resumido).
```
{
"Entities": [
{
"Id": 1,
"Text": "abdominal pain",
"Category": "MEDICAL_CONDITION",
"Type": "DX_NAME",
"Score": Float,
"BeginOffset": 153,
"EndOffset": 167,
"Attributes": [
{
"Type": "ACUITY",
"Score": Float,
"RelationshipScore": Float,
"Id": 2,
"BeginOffset": 183,
"EndOffset": 193,
"Text": "persistent",
"Traits": []
}
],
"Traits": [
{
"Name": "SYMPTOM",
"Score": Float
}
],
"ICD10CMConcepts": [
{
"Description": "Unspecified abdominal pain",
"Code": "R10.9",
"Score": Float
},
{
"Description": "Epigastric pain",
"Code": "R10.13",
"Score": Float
},
{
"Description": "Lower abdominal pain, unspecified",
"Code": "R10.30",
"Score": Float
},
{
"Description": "Generalized abdominal pain",
"Code": "R10.84",
"Score": Float
},
{
"Description": "Upper abdominal pain, unspecified",
"Code": "R10.10",
"Score": Float
}
]
}
...
"ModelVersion": "3.3.0.20251001"
}
```
`InferICD10CM` también identifica cuándo se niega una entidad en el texto. Por ejemplo, si un paciente no presenta ningún síntoma, tanto el síntoma como la negación se identifican como características y se indican con una puntuación de confianza. Según los datos del ejemplo anterior, el síntoma `Nausea` aparecerá en `NEGATION` porque el paciente no tiene náuseas.
```
{
"Id": 3,
"Text": "nausea",
"Category": "MEDICAL_CONDITION",
"Type": "DX_NAME",
"Score": Float,
"BeginOffset": 210,
"EndOffset": 216,
"Attributes": [],
"Traits": [
{
"Name": "SYMPTOM",
"Score": Float
},
{
"Name": "NEGATION",
"Score": Float
}
],
"ICD10CMConcepts": [
{
"Description": "Nausea with vomiting, unspecified",
"Code": "R11.2",
"Score": Float
},
{
"Description": "Nausea",
"Code": "R11.0",
"Score": Float
}
]
}
```
# RxNorm enlazando
Utilice la **InferRxNorm**operación para identificar los medicamentos que figuran en la historia clínica de un paciente como entidades. La operación también vincula esas entidades con los identificadores conceptuales (RxCUI) de [la RxNorm base de datos de la Biblioteca Nacional](https://www.nlm.nih.gov/research/umls/rxnorm/docs/rxnormfiles.html ) de Medicina. La fuente de cada RxCUI es el 7 de noviembre de 2022 y la versión correspondiente. RxNorm RxTerms Cada RxCUI es único para diferentes concentraciones y formas de dosificación. Amazon Comprehend Medical enumera las recetas con mayor probabilidad de coincidencia CUIs para cada medicamento que detecte en orden descendente según su puntuación de confianza. Utilice los códigos RxCUI para realizar análisis posteriores que no se pueden llevar a cabo con textos no estructurados. La información relacionada, como la concentración, la frecuencia, la dosificación, la forma de dosificación y la vía de administración, se indican como atributos en formato JSON.
Puede utilizar **InferRxNorm** en los siguientes casos:
+ Detección de los medicamentos que ha tomado el paciente.
+ Prevención de posibles reacciones adversas entre los medicamentos que se van a recetar y los que el paciente ya está tomando.
+ Evaluación para su inclusión en ensayos clínicos basada en el historial farmacológico utilizando el RxCUI.
+ Comprobación de la correcta dosificación y frecuencia de las tomas de un fármaco.
+ Detección de los usos, indicaciones y efectos secundarios de los medicamentos.
+ Administración de la salud de la población.
## Aviso importante
El **InferRxNorm**funcionamiento de Amazon Comprehend Medical no sustituye el asesoramiento, el diagnóstico o el tratamiento de un médico profesional. Identifique el umbral de confianza adecuado para su caso de uso y utilice umbrales de confianza altos en situaciones que requieran una alta precisión. Utilice las operaciones de Amazon Comprehend Medical solo en escenarios de atención al paciente después de que un profesional médico debidamente formado haya revisado su exactitud y buen juicio médico.
## RxNorm categoría
**InferRxNorm**detecta las entidades de la `MEDICATION` categoría. También detecta otra información relacionada que está vinculada como atributos o características.
## RxNorm tipos
Los tipos de entidades de la categoría `Medication` son los siguientes.
+ `BRAND_NAME`: el nombre de marca registrada del medicamento o agente terapéutico.
+ `GENERIC_NAME`: el nombre no comercial, nombre del ingrediente o fórmula del medicamento o agente terapéutico.
## RxNorm atributos
+ `DOSAGE`: la cantidad de medicamento prescrita.
+ `DURATION`: cuánto tiempo debe administrarse el medicamento.
+ `FORM`: la forma del medicamento.
+ `FREQUENCY`: la frecuencia de administración del medicamento.
+ `RATE`: La velocidad de administración del medicamento (principalmente para infusiones de medicamentos o IVs).
+ `ROUTE_OR_MODE`: el método de administración de un medicamento.
+ `STRENGTH`: la concentración del medicamento.
## RxNorm rasgos
+ `NEGATION`: cualquier indicación de que el paciente *no* está tomando un medicamento.
+ `PAST_HISTORY`: una indicación de que un medicamento se prescribió al paciente antes del encuentro actual.
## Ejemplos de entrada y respuesta
**nota**
Para obtener información sobre la sintaxis específica de entrada y respuesta de la API, consulte [InferRxNorm](https://docs.aws.amazon.com/comprehend-medical/latest/api/API_InferRxNorm.html)la referencia de la *API de Amazon Comprehend Medical*.
En el siguiente ejemplo de texto de entrada se muestra cómo funciona la operación `InferRxNorm`. Para ver todo el texto de entrada, desplácese sobre el botón **Copiar**.
```
"fluoride topical ( fluoride 1.1 % topical gel ) 1 application Topically daily Brush onto teeth before bed time , spit , do not rinse, eat or drink for 20-30 minutes"
```
La operación `InferRxNorm` devuelve el siguiente resultado en formato JSON.
```
{
"Entities": [
{
"Id": 1,
"Text": "fluoride",
"Category": "MEDICATION",
"Type": "GENERIC_NAME",
"Score": Float,
"BeginOffset": 19,
"EndOffset": 27,
"Attributes": [],
"Traits": [],
"RxNormConcepts": [
{
"Description": "fluorine",
"Code": "1310123",
"Score": Float
},
{
"Description": "sodium fluoride",
"Code": "9873",
"Score": Float
},
{
"Description": "magnesium fluoride",
"Code": "1435860",
"Score": Float
},
{
"Description": "sulfuryl fluoride",
"Code": "2289224",
"Score": Float
},
{
"Description": "acidulated phosphate fluoride",
"Code": "236",
"Score": Float
}
]
}
],
"ModelVersion": "3.3.0.20221107"
}
```
Con el siguiente texto de entrada, la `InferRxNorm` operación también reconoce la característica de negación.
```
'patient is not on warfarin'
```
La operación `InferRxNorm` devuelve el siguiente resultado en formato JSON.
```
{
"Entities": [
{
"Id": 1,
"Text": "warfarin",
"Category": "MEDICATION",
"Type": "GENERIC_NAME",
"Score": Float,
"BeginOffset": 18,
"EndOffset": 26,
"Attributes": [],
"Traits": [
{
"Name": "NEGATION",
"Score": Float
}
],
"RxNormConcepts": [
{
"Description": "warfarin",
"Code": "11289",
"Score": Float
},
{
"Description": "warfarin sodium 2 MG Oral Tablet",
"Code": "855302",
"Score": Float
},
{
"Description": "warfarin sodium 10 MG Oral Tablet",
"Code": "855296",
"Score": Float
},
{
"Description": "warfarin sodium 2 MG Oral Tablet [Coumadin]",
"Code": "855304",
"Score": Float
},
{
"Description": "warfarin sodium 10 MG Oral Tablet [Jantoven]",
"Code": "855300",
"Score": Float
}
]
}
],
"ModelVersion": "3.3.0.20221107"
}
```
# Vinculación de SNOMED CT
Utilice **InferSNOMEDCT** para detectar entidades médicas y vincularlas con conceptos de la versión de marzo de 2022 de la Systematized Nomenclature of Medicine, Clinical Terms (SNOMED CT). SNOMED CT le proporciona un vocabulario completo de conceptos médicos, que incluye afecciones médicas y anatomía, pruebas médicas, tratamientos y procedimientos. Para obtener más información, consulte [SNOMED CT](https://www.snomed.org/value-of-snomedct).
Para cada entidad médica detectada, Amazon Comprehend Medical enumera los cinco principales IDs conceptos de SNOMED CT y las descripciones asociadas al concepto médico, junto con una puntuación de confianza que indica la confianza del modelo en su predicción. El concepto IDs SNOMED CT aparece en orden descendente de confianza junto con las puntuaciones de confianza. El concepto de tomografía computarizada de SNOMED 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 polijerarquia de SNOMED CT.
**InferSNOMEDCT** está disponible para clientes de EE. UU. Para obtener información sobre su uso en otros países y sobre las licencias correspondientes, consulte [SNOMED CT](https://www.snomed.org/value-of-snomedct).
**InferSNOMEDCT** resulta útil en los siguientes escenarios:
+ Asistencia para la codificación médica profesional en las historias clínicas de los pacientes
+ Estudios y ensayos clínicos
+ Administración de la salud de la población
**InferSNOMEDCT** detecta entidades en las siguientes categorías. También detecta otra información contextual y la vincula como atributos o características.
+ `MEDICAL_CONDITION`: los signos, síntomas y diagnósticos de las afecciones médicas.
+ `ANATOMY`: partes o sistemas del cuerpo y sus localizaciones.
+ `TEST_TREATMENT_PROCEDURE`: los procedimientos que se utilizan para determinar una afección médica.
## Categoría de anatomía
La categoría `ANATOMY` detecta las referencias a partes o sistemas del cuerpo y sus localizaciones.
### Atributos
Se detectan los siguientes atributos para la categoría `ANATOMY`:
+ `DIRECTION`: términos direccionales. Por ejemplo, izquierda, derecha, medial, lateral, superior, inferior, posterior, anterior, distal, proximal, contralateral, bilateral, ipsilateral, dorsal o ventral.
+ `SYSTEM_ORGAN_SITE`: sistemas corporales, localizaciones o regiones anatómicas y partes del cuerpo.
## Categoría de afección médica
La categoría `MEDICAL_CONDITION` detecta los signos, síntomas y diagnósticos de afecciones médicas.
### Tipo
En la categoría **MEDICAL\$1CONDITION**, se detecta el siguiente tipo:
+ `DX_NAME:` identificación de una afección médica que se determina mediante la evaluación de los síntomas.
### Atributos
Se detectan los siguientes atributos para la categoría `MEDICAL_CONDITION`:
+ `ACUITY:` determinación de una enfermedad como crónica, aguda, repentina, persistente o gradual.
+ `QUALITY:` cualquier término descriptivo de la afección médica, como el estadio o el grado.
+ `DIRECTION`: términos direccionales. Por ejemplo, izquierda, derecha, medial, lateral, superior, inferior, posterior, anterior, distal, proximal, contralateral, bilateral, ipsilateral, dorsal o ventral.
+ `SYSTEM_ORGAN_SITE`: sistemas corporales, localizaciones o regiones anatómicas y partes del cuerpo.
### Características
Se detectan las siguientes características para la categoría `MEDICAL_CONDITION`:
+ `DIAGNOSIS`: una afección médica que se determina como la causa o el resultado de los síntomas. Los síntomas se pueden detectar mediante exámenes físicos, informes de laboratorio o radiológicos u otros medios.
+ `HYPOTHETICAL`: una indicación de que una afección médica se expresa como una hipótesis.
+ `LOW_CONFIDENCE`: una indicación de que una afección médica se expresa como de alta incertidumbre. Esto no está directamente relacionado con las puntuaciones de confianza proporcionadas.
+ `NEGATION`: una indicación de que no existe una afección médica.
+ `PERTAINS_TO_FAMILY`: una indicación de que una afección médica es relevante para la familia del paciente, no para el paciente.
+ `SIGN`: una afección médica indicada por el médico.
+ `SYMPTON`: una afección médica indicada por el paciente.
## Categoría de prueba, tratamiento y procedimiento
La categoría `TEST_TREATMENT_PROCEDURE` detecta los procedimientos que se utilizan para determinar una afección médica.
### Tipo
Para la categoría **TEST\$1TREATMENT\$1PROCEDURE**, se detectan los siguientes tipos:
+ `PROCEDURE_NAME:` intervenciones que se realizan en el paciente para tratar una afección médica o para brindarle atención.
+ `TEST_NAME:` procedimientos que se realizan en el paciente para el diagnóstico, la medición o la detección, o una calificación que podría tener un valor resultante. Esto incluye cualquier procedimiento, proceso, evaluación o calificación para determinar un diagnóstico, descartar o detectar una afección, o para puntuar o valorar a un paciente.
+ `TREATMENT_NAME:` intervenciones que se realizan para combatir una enfermedad o un trastorno. Esto incluye los medicamentos, como antivirales y vacunas.
### Atributos
Para la categoría **TEST\$1TREATMENT\$1PROCEDURE**, se detectan los siguientes atributos:
+ `TEST_NAME:` la prueba de diagnóstico realizada.
+ `TEST_VALUE:` los resultados numéricos de una prueba de diagnóstico.
+ `TEST_UNIT:` las unidades asociadas a un resultado de `TEST_VALUE:`.
+ `PROCEDURE_NAME:` el nombre de una cirugía o un procedimiento médico realizado.
+ `TREATMENT_NAME:` el nombre del tratamiento que se administra a un paciente.
### Características
+ `FUTURE`: una indicación de que una prueba, un tratamiento o un procedimiento se refiere a una acción o un evento que tendrá lugar después del tema abordado en las notas.
+ `HYPOTHETICAL`: una indicación de que una prueba, un tratamiento o un procedimiento se expresa como una hipótesis.
+ `NEGATION`: una indicación de que una acción o un resultado son negativos o no se están realizando.
+ `PAST_HISTORY`: una indicación de que una prueba, un tratamiento o un procedimiento se realizó al paciente antes del encuentro actual.
## Detalles de SNOMED CT
En la respuesta de JSON se incluyen los detalles de SNOMED CT, que contienen la siguiente información:
+ `EDITION:` solo se admite la edición de EE. UU.
+ `VERSIONDATE: ` la marca de fecha de la versión de SNOMED CT utilizada.
+ `LANGUAGE:` se admiten los análisis en inglés (US-EN).
## Ejemplos de entrada y respuesta
**nota**
Para obtener información sobre la sintaxis específica de entrada y respuesta de la API, consulte [InferSNOMEDCT](https://docs.aws.amazon.com/comprehend-medical/latest/api/API_InferSNOMEDCT.html) en la *Referencia de la API de Amazon Comprehend Medical*.
En el siguiente ejemplo de texto de entrada se muestra cómo funciona la operación `InferSNOMEDCT`. Para ver todo el texto de entrada, desplácese sobre el botón **Copiar**.
```
"HEENT : Boggy inferior turbinates, No oropharyngeal lesion"
```
La operación `InferSNOMEDCT` devuelve el siguiente resultado en formato JSON.
```
{
"Entities": [
{
"Category": "ANATOMY",
"BeginOffset": 0,
"EndOffset": 5,
"Text": "HEENT",
"Traits": [],
"SNOMEDCTConcepts": [
{
"Code": "69536005",
"Score": Float,
"Description": "Head structure (body structure)"
},
{
"Code": "429031000124106",
"Score": Float,
"Description": "Review of systems, head, ear, eyes, nose and throat (procedure)"
},
{
"Code": "385383008",
"Score": Float,
"Description": "Ear, nose and throat structure (body structure)"
},
{
"Code": "64237003",
"Score": Float,
"Description": "Structure of left half of head (body structure)"
},
{
"Code": "113028003",
"Score": Float,
"Description": "Ear, nose and throat examination (procedure)"
}
],
"Score": Float,
"Attributes": [],
"Type": "SYSTEM_ORGAN_SITE",
"Id": 0
},
{
"Category": "MEDICAL_CONDITION",
"BeginOffset": 8,
"EndOffset": 33,
"Text": "Boggy inferior turbinates",
"Traits": [
{
"Score": Float,
"Name": "SIGN"
}
],
"SNOMEDCTConcepts": [
{
"Code": "254477009",
"Score": Float,
"Description": "Tumor of inferior turbinate (disorder)"
},
{
"Code": "260762006",
"Score": Float,
"Description": "Choroidal invasion status (attribute)"
},
{
"Code": "2455009",
"Score": Float,
"Description": "Revision of lumbosubarachnoid shunt (procedure)"
},
{
"Code": "19883003",
"Score": Float,
"Description": "Atrophy of nasal turbinates (disorder)"
},
{
"Code": "256723009",
"Score": Float,
"Description": "Inferior turbinate flap (substance)"
}
],
"Score": Float,
"Attributes": [
{
"Category": "ANATOMY",
"RelationshipScore": Float,
"EndOffset": 5,
"Text": "HEENT",
"Traits": [],
"SNOMEDCTConcepts": [
{
"Code": "69536005",
"Score": Float,
"Description": "Head structure (body structure)"
},
{
"Code": "429031000124106",
"Score": Float,
"Description": "Review of systems, head, ear, eyes, nose and throat (procedure)"
},
{
"Code": "385383008",
"Score": Float,
"Description": "Ear, nose and throat structure (body structure)"
},
{
"Code": "64237003",
"Score": Float,
"Description": "Structure of left half of head (body structure)"
},
{
"Code": "113028003",
"Score": Float,
"Description": "Ear, nose and throat examination (procedure)"
}
],
"Score": Float,
"RelationshipType": "SYSTEM_ORGAN_SITE",
"Type": "SYSTEM_ORGAN_SITE",
"Id": 0,
"BeginOffset": 0
}
],
"Type": "DX_NAME",
"Id": 1
},
{
"Category": "ANATOMY",
"BeginOffset": 23,
"EndOffset": 33,
"Text": "turbinates",
"Traits": [],
"SNOMEDCTConcepts": [
{
"Code": "310607007",
"Score": Float,
"Description": "Sarcoidosis of inferior turbinates (disorder)"
},
{
"Code": "80153006",
"Score": Float,
"Description": "Segmented neutrophil (cell)"
},
{
"Code": "46607005",
"Score": Float,
"Description": "Nasal turbinate structure (body structure)"
},
{
"Code": "6553002",
"Score": Float,
"Description": "Inferior nasal turbinate structure (body structure)"
},
{
"Code": "254477009",
"Score": Float,
"Description": "Tumor of inferior turbinate (disorder)"
}
],
"Score": Float,
"Attributes": [],
"Type": "SYSTEM_ORGAN_SITE",
"Id": 3
},
{
"Category": "ANATOMY",
"BeginOffset": 39,
"EndOffset": 52,
"Text": "oropharyngeal",
"Traits": [],
"SNOMEDCTConcepts": [
{
"Code": "31389004",
"Score": Float,
"Description": "Oropharyngeal structure (body structure)"
},
{
"Code": "33431000119109",
"Score": Float,
"Description": "Lesion of oropharynx (disorder)"
},
{
"Code": "263376008",
"Score": Float,
"Description": "Entire oropharynx (body structure)"
},
{
"Code": "716151000",
"Score": Float,
"Description": "Structure of oropharynx and/or hypopharynx and/or larynx (body structure)"
},
{
"Code": "764786007",
"Score": Float,
"Description": "Oropharyngeal (intended site)"
}
],
"Score": Float,
"Attributes": [],
"Type": "SYSTEM_ORGAN_SITE",
"Id": 5
},
{
"Category": "MEDICAL_CONDITION",
"BeginOffset": 39,
"EndOffset": 59,
"Text": "oropharyngeal lesion",
"Traits": [
{
"Score": Float,
"Name": "SIGN"
}
],
"SNOMEDCTConcepts": [
{
"Code": "31389004",
"Score": Float,
"Description": "Oropharyngeal structure (body structure)"
},
{
"Code": "33431000119109",
"Score": Float,
"Description": "Lesion of oropharynx (disorder)"
},
{
"Code": "764786007",
"Score": Float,
"Description": "Oropharyngeal (intended site)"
},
{
"Code": "418664002",
"Score": Float,
"Description": "Oropharyngeal route (qualifier value)"
},
{
"Code": "110162001",
"Score": Float,
"Description": "Abrasion of oropharynx (disorder)"
}
],
"Score": Float,
"Attributes": [
{
"Category": "ANATOMY",
"RelationshipScore": Float,
"EndOffset": 5,
"Text": "HEENT",
"Traits": [],
"SNOMEDCTConcepts": [
{
"Code": "69536005",
"Score": Float,
"Description": "Head structure (body structure)"
},
{
"Code": "429031000124106",
"Score": Float,
"Description": "Review of systems, head, ear, eyes, nose and throat (procedure)"
},
{
"Code": "385383008",
"Score": Float,
"Description": "Ear, nose and throat structure (body structure)"
},
{
"Code": "64237003",
"Score": Float,
"Description": "Structure of left half of head (body structure)"
},
{
"Code": "113028003",
"Score": Float,
"Description": "Ear, nose and throat examination (procedure)"
}
],
"Score": Float,
"RelationshipType": "SYSTEM_ORGAN_SITE",
"Type": "SYSTEM_ORGAN_SITE",
"Id": 0,
"BeginOffset": 0
}
],
"Type": "DX_NAME",
"Id": 4
}
],
"SNOMEDCTDetails": {
"Edition": "US",
"VersionDate": "20200901",
"Language": "en"
},
"Characters": {
"OriginalTextCharacters": 59
},
"ModelVersion": "3.3.0.20220301"
}
```
# Análisis por lotes de vinculación de ontologías
Utilice Amazon Comprehend Medical para detectar entidades en textos clínicos almacenados en un bucket de Amazon Simple Storage Service (Amazon S3) y para vincular dichas entidades con ontologías estandarizadas. Puede utilizar análisis por lotes de vinculación de ontologías para analizar un conjunto de documentos o un único documento con un máximo de 20 000 caracteres. Tanto la consola como las operaciones de la API de procesamiento por lotes de vinculación de ontologías le permiten realizar operaciones para iniciar, detener, enumerar y describir los trabajos de análisis por lotes en curso.
Para obtener información sobre los precios de los análisis por lotes y otras operaciones de Amazon Comprehend Medical, consulte [Precios de Amazon Comprehend Medical](https://aws.amazon.com/comprehend/medical/pricing/).
## Realización de análisis por lotes
Puede ejecutar un trabajo de análisis por lotes mediante la consola de Amazon Comprehend Medical o con las operaciones de la API de procesamiento por lotes de Amazon Comprehend Medical.
### Realización de análisis por lotes mediante las operaciones de la API
**Requisitos previos**
Cuando utilice la API de Amazon Comprehend Medical, cree una política de AWS Identity Access and Management (IAM) y asóciela a un rol de IAM. Para obtener más información sobre las políticas de confianza y los roles de IAM, consulte [Políticas y permisos de IAM](https://docs.aws.amazon.com/IAM/latest/UserGuide/access_policies.html).
1. Cargue sus datos en un bucket de S3.
1. Para iniciar un nuevo trabajo de análisis, utilice **Start ICD10 CMInference Job**, **Start SNOMEDCTInference Job** o las **StartRxNormInferenceJob**operaciones. Proporcione el nombre del bucket de Amazon S3 que contiene los archivos de entrada y el nombre del bucket de Amazon S3 al que desea enviar los archivos de salida.
1. Supervise el progreso del trabajo mediante **Describe ICD10 CMInference Job**, **Describe SNOMEDCTInference Job** u **DescribeRxNormInferenceJob**operations. Además, puede utilizar **List ICD10 CMInference Jobs**, **List SNOMEDCTInference Jobs** y **ListRxNormInferenceJobs**ver el estado de todas las ontologías que vinculan los trabajos de análisis por lotes.
1. Si necesita detener un trabajo en curso, utilice **Stop ICD10 CMInference Job**, **Stop SNOMEDCTInference Job** o **StopRxNormInferenceJob**para detener el análisis.
1. Para ver los resultados de un trabajo de análisis, consulte el bucket de salida de S3 que configuró al iniciar el trabajo.
### Realización de un análisis por lotes mediante la consola
****
1. Cargue sus datos en un bucket de S3.
1. Para iniciar un nuevo trabajo, seleccione el tipo de análisis que quiere realizar. A continuación, indique el nombre del bucket de S3 que contiene los archivos de entrada y el nombre del bucket de S3 al que desea enviar los archivos de salida.
1. Monitorice el estado del trabajo mientras está en marcha. En la consola puede ver todas las operaciones de análisis por lotes y su estado, incluido el momento en que se inició y finalizó el análisis.
1. Para ver los resultados de un trabajo de análisis, consulte el bucket de S3 de salida que configuró al iniciar el trabajo.
## Políticas de IAM para operaciones por lotes
El rol de IAM que llama a las operaciones de la API de procesamiento por lotes de Amazon Comprehend Medical debe tener una política que conceda acceso a los buckets de S3 que contienen los archivos de entrada y salida. También se debe asignar una relación de confianza al rol de IAM para que el servicio Amazon Comprehend Medical pueda asumir dicho rol. Para obtener más información acerca de los roles de IAM y las políticas de confianza, consulte [Roles de IAM](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_roles.html).
El rol debe tener la siguiente política:
------
#### [ JSON ]
****
```
{
"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"
}
]
}
```
------
El rol debe tener la siguiente relación de confianza. Se recomienda utilizar las claves de condición `aws:SourceAccount ` y `aws:SourceArn` para evitar el problema de seguridad del suplente confuso. Para obtener más información sobre el problema del diputado confuso y cómo proteger tu AWS cuenta, consulta [El problema del diputado confuso](https://docs.aws.amazon.com/IAM/latest/UserGuide/confused-deputy.html) en la documentación de IAM.
------
#### [ JSON ]
****
```
{
"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:us-east-1:account_id:*"
}
}
}
]
}
```
------
## Archivos de salida de análisis por lotes
Amazon Comprehend Medical crea un archivo de salida para cada archivo de entrada de un lote. Este archivo tiene la extensión `.out`. Amazon Comprehend Medical crea primero un directorio en el bucket S3 de salida con *AwsAccountId* el nombre *JobType* *JobId* - - y, a continuación, escribe todos los archivos de salida del lote en este directorio. Amazon Comprehend Medical crea este nuevo directorio para que los datos de salida de un trabajo no sobrescriban los de otro.
Una operación por lotes produce los mismos datos de salida que una operación sincrónica.
Cada operación por lotes produce los tres archivos de manifiesto siguientes que contienen información sobre el trabajo:
+ `Manifest`: ofrece un resumen del trabajo. Proporciona información sobre los parámetros utilizados, el tamaño total del trabajo y el número de archivos procesados.
+ `Success`: proporciona información sobre los archivos que se han procesado correctamente. Incluye el nombre de los archivos de entrada y de salida, y el tamaño del archivo de entrada.
+ `Unprocessed`: muestra los archivos que el trabajo por lotes no procesó con códigos de error y mensajes de error por archivo.
Amazon Comprehend Medical escribe los archivos en el directorio de salida que especificó para el trabajo por lotes. El archivo de manifiesto de resumen se escribirá en la carpeta de salida, junto con una carpeta titulada `Manifest_AccountId-Operation-JobId`. Dentro de la carpeta del manifiesto se encuentran la carpeta `success`, que contiene el manifiesto de los archivos procesados, y la carpeta `failed`, que contiene el manifiesto de los archivos sin procesar. En las secciones siguientes se muestra la estructura de archivos de manifiesto.
### Archivo de manifiesto de procesamiento por lotes
Esta es la estructura JSON del archivo de manifiesto por lotes:
```
{"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"
}
}
```
### Archivo de manifiesto de los archivos procesados
Esta es la estructura JSON del archivo que contiene información sobre los archivos procesados correctamente:
```
{
"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
}]
}
```
### Archivo de manifiesto de los archivos no procesados
Esta es la estructura JSON del archivo de manifiesto que contiene información sobre los archivos no procesados:
```
{
"Files" : [ {
"Input": "file_name_that_failed",
"ErrorCode": "error code for exception",
"ErrorMessage": "explanation of the error code and suggestions"
},
{ ...}
]
}
```