Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
# Liaison d'ontologies
Utilisez Amazon Comprehend Medical pour détecter des entités dans un texte clinique et relier ces entités à des concepts issus d'ontologies médicales standardisées, notamment RxNorm les bases de connaissances ICD-10-CM et SNOMED CT. Vous pouvez effectuer une analyse à la fois sur des fichiers individuels ou sous forme d'analyse par lots sur des documents volumineux ou sur plusieurs fichiers stockés dans un Amazon Simple Storage Service (S3).
# Liaison ICD-10-CM
Utilisez Infer ICD10 CM pour détecter les affections médicales possibles sous forme d'entités et reliez-les aux codes de la version 2026 de la [Classification internationale des maladies, 10e révision, modification clinique (ICD-10-CM](https://www.cdc.gov/nchs/icd/icd-10-cm/?CDC_AAref_Val=https://www.cdc.gov/nchs/icd/icd-10-cm.htm)). L'ICD-10-CM est fourni par les Centers for Disease Control and Prevention (CDC) des États-Unis.
Lorsque des problèmes médicaux sont détectés, `InferICD10CM` renvoie les codes et descriptions ICD-10-CM correspondants. Les conditions détectées sont répertoriées par ordre décroissant de confiance. Les scores indiquent la confiance dans l'exactitude des entités correspondant aux concepts trouvés dans le texte. Les informations connexes telles que les antécédents familiaux, les signes, les symptômes et la négation sont reconnues comme des traits. Des informations supplémentaires telles que les désignations anatomiques et l'acuité sont répertoriées sous forme d'attributs.
Infer ICD10 CM convient parfaitement aux scénarios suivants :
+ Aider au codage médical professionnel des dossiers des patients
+ Études et essais cliniques
+ Intégration à un système logiciel médical
+ Dépistage et diagnostic précoces
+ Gestion de la santé de la population
## Catégorie ICD-10-CM
**Infer ICD10 CM** détecte les entités de la `MEDICAL_CONDITION` catégorie. Des informations connexes supplémentaires sont également détectées et liées sous forme d'attributs ou de traits.
## Types ICD-10-CM
**Infer ICD10 CM** détecte les entités des types `DX_NAME` et`TIME_EXPRESSION`.
## Caractéristiques de la CIM-10-CM
**Infer ICD10 CM** détecte les informations contextuelles suivantes sous forme de traits :
+ `DIAGNOSIS`: Identification d'un problème médical déterminé par l'évaluation des symptômes.
+ `HYPOTHETICAL`: Une indication selon laquelle un problème médical est exprimé sous forme d'hypothèse.
+ `LOW_CONFIDENCE`: Une indication selon laquelle un problème médical est exprimé comme présentant un degré élevé d'incertitude. Cela n'est pas directement lié aux scores de confiance fournis.
+ `NEGATION`: Indication de l'absence d'un problème de santé.
+ `PERTAINS_TO_FAMILY`: Une indication qu'un problème médical concerne la famille du patient, et non le patient lui-même.
+ `SIGN`: Affection médicale signalée par le médecin.
+ `SYMPTOM`: Affection médicale signalée par le patient.
## Attributs de l'ICD-10-CM
**Infer ICD10 CM** détecte les informations contextuelles suivantes sous forme d'attributs :
+ `DIRECTION`: Termes directionnels. Par exemple, gauche, droite, médial, latéral, supérieur, inférieur, postérieur, antérieur, distal, proximal, contralatéral, bilatéral, ipsilatéral, dorsal ou ventral.
+ `SYSTEM_ORGAN_SITE`: Localisation anatomique.
+ `ACUITY:`Détermination d'un cas de maladie, tel qu'une maladie chronique, aiguë, soudaine, persistante ou progressive. Cela ne s'applique qu'au `MEDICAL_CONDITION` type.
+ `QUALITY`: Tout terme descriptif de l'affection, tel que le stade ou le grade.
## Catégorie d'expression temporelle
La `TIME_EXPRESSION` catégorie détecte les entités liées au temps. Cela inclut des entités telles que les dates et des expressions temporelles telles que « il y a trois jours », « aujourd'hui », « actuellement », « jour d'admission », « le mois dernier » ou « 16 jours ». Les résultats de cette catégorie ne sont renvoyés que s'ils sont associés à une entité. Par exemple, l'expression « Hier, le patient a reçu un diagnostic de grippe » reviendrait `Yesterday` sous la forme d'une `TIME_EXPRESSION` entité recoupant l'`DX_NAME`entité « grippe ». Cependant, « hier » ne serait pas reconnu comme une entité dans l'expression « hier, le patient promenait son chien ».
## Types
Le type reconnu `TIME_EXPRESSION` est `TIME_TO_DX_NAME` : la date à laquelle un problème médical est apparu. L'attribut de ce type est`DX_NAME`.
## Type de relation
Le `RELATIONSHIP_TYPE` fait référence à la relation entre une entité et un attribut. Ce qui `RELATIONSHIP_TYPE` est reconnu est `OVERLAP` : `TIME_EXPRESSION` correspond à l'entité détectée.
## Exemples de saisie et de réponse
**Note**
Pour une syntaxe d'entrée et de réponse spécifique à l'API, consultez [Infer ICD10 CM](https://docs.aws.amazon.com/comprehend-medical/latest/api/API_InferICD10CM.html) dans le manuel *Amazon Comprehend Medical* API Reference.
L'exemple de texte de saisie suivant montre le fonctionnement de `InferICD10CM` l'opération. Pour afficher tout le texte saisi, faites défiler le curseur sur le bouton **Copier**.
```
"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."
```
L'`InferICD10CM`opération renvoie la sortie suivante au format JSON (abrégé pour des raisons de concision).
```
{
"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`reconnaît également lorsqu'une entité est annulée dans le texte. Par exemple, si un patient ne présente aucun symptôme, le symptôme et la négation sont identifiés comme des traits et répertoriés avec un score de confiance. Sur la base des données saisies dans l'exemple précédent, le symptôme `Nausea` sera répertorié sous la `NEGATION` forme d'une absence de nausée chez le patient.
```
{
"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 liaison
Utilisez cette **InferRxNorm**opération pour identifier les médicaments répertoriés dans le dossier d'un patient en tant qu'entités. L'opération relie également ces entités à des identificateurs de concept (RxCUI) issus de [la RxNorm base de données de la National Library of Medicine](https://www.nlm.nih.gov/research/umls/rxnorm/docs/rxnormfiles.html ). La source de chaque RxCUI est le ¶ 11-07 et le Release RxNorm . RxTerms Chaque RxCUI est unique pour différents dosages et formes posologiques. Amazon Comprehend Medical répertorie les CUIs Rx les plus susceptibles de correspondre pour chaque médicament détecté par ordre décroissant de score de confiance. Utilisez les codes RxCUI pour effectuer des analyses en aval, ce qui n'est pas possible avec du texte non structuré. Les informations connexes telles que la concentration, la fréquence, la dose, la forme posologique et la voie d'administration sont répertoriées sous forme d'attributs au format JSON.
Vous pouvez utiliser **InferRxNorm** dans les cas suivants :
+ Dépistage des médicaments que le patient a pris.
+ Prévenir les réactions potentiellement négatives entre les médicaments nouvellement prescrits et les médicaments que le patient prend actuellement.
+ Dépistage en vue de l'inclusion dans les essais cliniques sur la base de l'historique du médicament à l'aide du RxCUI.
+ Vérifier si la posologie et la fréquence d'un médicament sont appropriées.
+ Dépistage des utilisations, des indications et des effets secondaires des médicaments.
+ Gestion de la santé de la population.
## Avis important
Le **InferRxNorm**fonctionnement d'Amazon Comprehend Medical ne remplace pas l'avis, le diagnostic ou le traitement d'un professionnel de la santé. Déterminez le seuil de confiance approprié pour votre cas et utilisez des seuils de confiance élevés dans les situations qui exigent une grande précision. N'utilisez les opérations Amazon Comprehend Medical dans les *scénarios* de soins aux patients qu'après en avoir vérifié l'exactitude et obtenu le bon jugement de professionnels de santé qualifiés.
## RxNorm catégorie
**InferRxNorm**détecte les entités de la `MEDICATION` catégorie. Il détecte également des informations connexes supplémentaires liées sous forme d'attributs ou de traits.
## RxNorm types
Les types d'entités de `Medication` cette catégorie sont
+ `BRAND_NAME`: Le nom de marque protégé par le droit d'auteur du médicament ou de l'agent thérapeutique.
+ `GENERIC_NAME`: Nom autre que la marque, le nom de l'ingrédient ou le mélange de formules du médicament ou de l'agent thérapeutique.
## RxNorm attributs
+ `DOSAGE`: La quantité de médicament commandée.
+ `DURATION`: Pendant combien de temps le médicament doit-il être administré ?
+ `FORM`: La forme du médicament.
+ `FREQUENCY`: À quelle fréquence administrer le médicament.
+ `RATE`: Le taux d'administration du médicament (principalement pour les perfusions de médicaments ou IVs).
+ `ROUTE_OR_MODE`: Mode d'administration d'un médicament.
+ `STRENGTH`: La concentration du médicament.
## RxNorm traits
+ `NEGATION`: Toute indication indiquant que le patient ne prend *pas* de médicament.
+ `PAST_HISTORY`: Une indication qu'un médicament détecté provient du passé du patient (avant le rendez-vous actuel).
## Exemples de saisie et de réponse
**Note**
Pour connaître la syntaxe d'entrée et de réponse spécifique à l'API, consultez [InferRxNorm](https://docs.aws.amazon.com/comprehend-medical/latest/api/API_InferRxNorm.html)le manuel *Amazon Comprehend Medical API Reference*.
L'exemple de texte de saisie suivant montre le fonctionnement de `InferRxNorm` l'opération. Pour afficher tout le texte saisi, faites défiler le curseur sur le bouton **Copier**.
```
"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"
```
L'`InferRxNorm`opération renvoie le résultat suivant au format 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"
}
```
À l'aide du texte d'entrée suivant, l'`InferRxNorm`opération reconnaît également le trait de négation.
```
'patient is not on warfarin'
```
L'`InferRxNorm`opération renvoie le résultat suivant au format 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"
}
```
# Liaison SNOMED CT
Utilisez **InfersNoMedCT** pour détecter les entités médicales et les relier aux concepts de la version 2002-03 de la Nomenclature systématisée de la médecine, termes cliniques (SNOMED CT). SNOMED CT vous fournit un vocabulaire complet de concepts médicaux, y compris les affections médicales et l'anatomie, les tests médicaux, les traitements et les procédures. Pour en savoir plus sur SNOMED CT, rendez-vous sur [SNOMED](https://www.snomed.org/value-of-snomedct) CT.
Pour chaque entité médicale détectée, Amazon Comprehend Medical répertorie les cinq principaux concepts SNOMED CT et les descriptions associées au IDs concept médical, ainsi qu'un score de confiance indiquant le niveau de confiance du modèle dans sa prédiction. Le concept SNOMED CT est IDs répertorié par ordre décroissant de confiance avec les scores de confiance. Le concept SNOMED CT IDs peut ensuite être utilisé pour structurer les données cliniques des patients à des fins de codage médical, de reporting ou d'analyse clinique lorsque vous les utilisez avec la polyhiérarchie SNOMED CT.
**InfersNoMedCT** est disponible pour les clients aux États-Unis. [Pour des informations sur le SNOMED CT dans d'autres pays et des informations sur l'homologation du SNOMED CT, voir SNOMED CT.](https://www.snomed.org/value-of-snomedct)
**InfersNoMedCT** convient parfaitement aux scénarios suivants :
+ Assistance pour le codage médical professionnel dans les dossiers des patients
+ Études et essais cliniques
+ Gestion de la santé de la population
**InfersNoMedCT** détecte les entités appartenant aux catégories suivantes. Des informations contextuelles supplémentaires sont également détectées et liées sous forme d'attributs ou de traits.
+ `MEDICAL_CONDITION`: Les signes, les symptômes et les diagnostics des problèmes de santé.
+ `ANATOMY`: Les parties du corps ou des systèmes corporels et l'emplacement de ces parties ou systèmes.
+ `TEST_TREATMENT_PROCEDURE`: Procédures utilisées pour déterminer un état de santé.
## Catégorie Anatomie
La `ANATOMY` catégorie détecte les références aux parties du corps ou aux systèmes du corps ainsi que l'emplacement de ces parties ou systèmes.
### Attributes
Les attributs suivants sont détectés pour la `ANATOMY` catégorie :
+ `DIRECTION`: Termes directionnels. Par exemple, gauche, droite, médial, latéral, supérieur, inférieur, postérieur, antérieur, distal, proximal, contralatéral, bilatéral, ipsilatéral, dorsal ou ventral.
+ `SYSTEM_ORGAN_SITE`: Systèmes corporels, localisations ou régions anatomiques et sites corporels.
## Catégorie d'état de santé
La `MEDICAL_CONDITION` catégorie détecte les signes, les symptômes et les diagnostics des problèmes de santé.
### Type
Pour la catégorie **MEDICAL\$1CONDITION**, le type suivant est détecté :
+ `DX_NAME:`Identification d'une affection médicale déterminée par l'évaluation des symptômes.
### Attributes
Les attributs suivants sont détectés pour la `MEDICAL_CONDITION` catégorie :
+ `ACUITY:`Détermination de l'instance de la maladie, telle que chronique, aiguë, soudaine, persistante ou progressive.
+ `QUALITY:`Tout terme descriptif de l'affection, tel que le stade ou le grade.
+ `DIRECTION`: Termes directionnels. Par exemple, médial gauche, droit, latéral, supérieur, inférieur, postérieur, antérieur, distal, proximal, contralatéral, bilatéral, ipsilatéral, dorsal ou ventral.
+ `SYSTEM_ORGAN_SITE`: Systèmes corporels, localisations ou régions anatomiques et sites corporels.
### Traits
Les caractéristiques suivantes sont détectées pour `MEDICAL_CONDITION` cette catégorie :
+ `DIAGNOSIS`: Affection médicale déterminée comme étant la cause ou le résultat des symptômes. Les symptômes peuvent être détectés au moyen de résultats physiques, de rapports de laboratoire ou radiologiques, ou par d'autres moyens.
+ `HYPOTHETICAL`: Une indication selon laquelle un problème médical est exprimé sous forme d'hypothèse.
+ `LOW_CONFIDENCE`: Une indication selon laquelle un problème médical est exprimé comme présentant un degré élevé d'incertitude. Cela n'est pas directement lié aux scores de confiance fournis.
+ `NEGATION`: Indication de l'absence d'un problème de santé.
+ `PERTAINS_TO_FAMILY`: Une indication qu'un problème médical concerne la famille du patient, et non le patient lui-même.
+ `SIGN`: Affection médicale signalée par le médecin.
+ `SYMPTON`: Affection médicale signalée par le patient.
## Catégorie de test, de traitement et de procédure
La `TEST_TREATMENT_PROCEDURE` catégorie détecte les procédures utilisées pour déterminer un état de santé.
### Type
Pour la catégorie **TEST\$1TREATMENT\$1PROCEDURE**, les types suivants sont détectés :
+ `PROCEDURE_NAME:`Interventions effectuées sur le patient pour traiter un problème médical ou pour fournir des soins au patient.
+ `TEST_NAME:`Procédures effectuées sur un patient à des fins de diagnostic, de mesure, de dépistage ou d'évaluation qui peuvent avoir une valeur résultante. Cela inclut toute procédure, processus, évaluation ou évaluation visant à établir un diagnostic, à exclure ou à détecter une affection, ou à évaluer ou à évaluer un patient.
+ `TREATMENT_NAME:`Interventions effectuées pour combattre une maladie ou un trouble. Cela inclut les médicaments, tels que les antiviraux et les vaccins.
### Attributes
Pour la catégorie **TEST\$1TREATMENT\$1PROCEDURE**, les attributs suivants sont détectés :
+ `TEST_NAME:`Le test de diagnostic effectué.
+ `TEST_VALUE:`Les résultats numériques d'un test de diagnostic.
+ `TEST_UNIT:`Les unités associées à un `TEST_VALUE:` résultat.
+ `PROCEDURE_NAME:`Le nom de la chirurgie ou de l'intervention médicale réalisée.
+ `TREATMENT_NAME:`Nom d'un traitement administré à un patient.
### Traits
+ `FUTURE`: Une indication selon laquelle un test, un traitement ou une procédure fait référence à une action ou à un événement qui se produira après le sujet des notes.
+ `HYPOTHETICAL`: une indication qu'un test, un traitement ou une procédure est exprimé sous forme d'hypothèse
+ `NEGATION`: Indique qu'un résultat ou une action est négatif ou qu'il n'est pas exécuté.
+ `PAST_HISTORY`: Une indication qu'un test, un traitement ou une intervention provient du passé du patient (avant le rendez-vous actuel).
## Détails du SNOMED CT
La réponse JSON contient les détails du SNOMED CT, qui incluent les informations suivantes :
+ `EDITION:`Seule l'édition américaine est prise en charge.
+ `VERSIONDATE: `L'horodatage de la version SNOMED CT utilisée.
+ `LANGUAGE:`L'analyse de la langue anglaise (US-EN) est prise en charge.
## Exemples de saisie et de réponse
**Note**
Pour une syntaxe d'entrée et de réponse spécifique à l'API, consultez [InfersNoMedCT dans le manuel Amazon Comprehend](https://docs.aws.amazon.com/comprehend-medical/latest/api/API_InferSNOMEDCT.html) *Medical* API Reference.
L'exemple de texte de saisie suivant montre le fonctionnement de `InferSNOMEDCT` l'opération. Pour afficher tout le texte saisi, faites défiler le curseur sur le bouton **Copier**.
```
"HEENT : Boggy inferior turbinates, No oropharyngeal lesion"
```
L'`InferSNOMEDCT`opération renvoie la sortie suivante au format 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"
}
```
# Ontologie liant l'analyse par lots
Utilisez Amazon Comprehend Medical pour détecter des entités dans un texte clinique stocké dans un bucket Amazon Simple Storage Service (Amazon S3) et pour relier ces entités à des ontologies standardisées. Vous pouvez utiliser une ontologie liant l'analyse par lots pour analyser une collection de documents ou un seul document contenant jusqu'à 20 000 caractères. À l'aide de la console ou de l'ontologie liant les opérations de l'API par lots, vous pouvez effectuer des opérations pour démarrer, arrêter, répertorier et décrire les tâches d'analyse par lots en cours.
Pour obtenir des informations sur les tarifs relatifs à l'analyse des lots et aux autres opérations d'Amazon Comprehend Medical, [consultez Amazon Comprehend](https://aws.amazon.com/comprehend/medical/pricing/) Medical Pricing.
## Exécution d'une analyse par lots
Vous pouvez exécuter une tâche d'analyse par lots à l'aide de la console Amazon Comprehend Medical ou des opérations de l'API par lots Amazon Comprehend Medical.
### Exécution d'une analyse par lots à l'aide des opérations de l'API
**Conditions préalables**
Lorsque vous utilisez l'API Amazon Comprehend Medical, créez une politique AWS Identity Access and Management (IAM) et associez-la à un rôle IAM. Pour en savoir plus sur les rôles IAM et les politiques de confiance, consultez [Politiques et autorisations IAM](https://docs.aws.amazon.com/IAM/latest/UserGuide/access_policies.html).
1. Téléchargez vos données dans un compartiment S3.
1. Pour démarrer un nouveau travail d'analyse, utilisez le **Start ICD10 CMInference Job**, le **Start SNOMEDCTInference Job** ou les **StartRxNormInferenceJob**opérations. Indiquez le nom du compartiment Amazon S3 qui contient les fichiers d'entrée et le nom du compartiment Amazon S3 dans lequel vous souhaitez envoyer les fichiers de sortie.
1. Surveillez la progression de la tâche à l'aide de **Describe ICD10 CMInference Job**, **SNOMEDCTInferenceDescribe Job** ou **DescribeRxNormInferenceJob**des opérations. En outre, vous pouvez utiliser **List ICD10 CMInference Jobs**, **List SNOMEDCTInference Jobs** et **ListRxNormInferenceJobs**pour voir l'état de toutes les ontologies liant les tâches d'analyse par lots.
1. Si vous devez arrêter une tâche en cours, utilisez **Stop ICD10 CMInference Job**, **Stop SNOMEDCTInference Job** ou **StopRxNormInferenceJob**pour arrêter l'analyse.
1. Pour consulter les résultats de votre tâche d'analyse, consultez le compartiment S3 de sortie que vous avez configuré lorsque vous avez démarré la tâche.
### Exécution d'une analyse par lots à l'aide de la console
****
1. Téléchargez vos données dans un compartiment S3.
1. Pour démarrer une nouvelle tâche d'analyse, sélectionnez le type d'analyse que vous allez effectuer. Indiquez ensuite le nom du compartiment S3 qui contient les fichiers d'entrée et le nom du compartiment S3 dans lequel vous souhaitez envoyer les fichiers de sortie.
1. Surveillez le statut de votre travail pendant qu'il est en cours. Depuis la console, vous pouvez consulter toutes les opérations d'analyse par lots et leur statut, y compris les dates de début et de fin de l'analyse.
1. Pour consulter les résultats de votre tâche d'analyse, consultez le compartiment S3 de sortie que vous avez configuré lorsque vous avez démarré la tâche.
## Politiques IAM pour les opérations par lots
Le rôle IAM qui appelle les opérations de l'API par lots Amazon Comprehend Medical doit disposer d'une politique autorisant l'accès aux compartiments S3 contenant les fichiers d'entrée et de sortie. Une relation de confiance doit également être attribuée au rôle IAM afin que le service Amazon Comprehend Medical puisse assumer ce rôle. Pour en savoir plus sur les rôles IAM et les politiques de confiance, consultez la section Rôles [IAM](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_roles.html).
Le rôle doit respecter la politique suivante :
------
#### [ 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"
}
]
}
```
------
Le rôle doit avoir la relation de confiance suivante. Il est recommandé d'utiliser les touches de `aws:SourceArn` condition `aws:SourceAccount ` et pour éviter tout problème de sécurité secondaire confus. Pour en savoir plus sur le problème des députés confus et sur la manière de protéger votre AWS compte, consultez [la section Le problème des adjoints confus](https://docs.aws.amazon.com/IAM/latest/UserGuide/confused-deputy.html) dans la documentation 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:*"
}
}
}
]
}
```
------
## Fichiers de sortie d'analyse par lots
Amazon Comprehend Medical crée un fichier de sortie pour chaque fichier d'entrée du lot. Le fichier possède l'extension`.out`. Amazon Comprehend Medical crée d'abord un répertoire dans le compartiment S3 de sortie en utilisant *AwsAccountId* le nom *JobType* *JobId* - -, puis écrit tous les fichiers de sortie du lot dans ce répertoire. Amazon Comprehend Medical crée ce nouveau répertoire afin que le résultat d'une tâche ne remplace pas le résultat d'une autre tâche.
Une opération par lots produit le même résultat qu'une opération synchrone.
Chaque opération par lots produit les trois fichiers manifestes suivants qui contiennent des informations sur la tâche :
+ `Manifest`— Résume le travail. Fournit des informations sur les paramètres utilisés pour la tâche, la taille totale de la tâche et le nombre de fichiers traités.
+ `Success`— Fournit des informations sur les fichiers qui ont été traités avec succès. Inclut le nom du fichier d'entrée et de sortie ainsi que la taille du fichier d'entrée.
+ `Unprocessed`— Répertorie les fichiers que le traitement par lots n'a pas traités avec les codes d'erreur et les messages d'erreur par fichier.
Amazon Comprehend Medical écrit les fichiers dans le répertoire de sortie que vous avez spécifié pour le traitement par lots. Le fichier manifeste récapitulatif sera écrit dans le dossier de sortie, avec un dossier intitulé`Manifest_AccountId-Operation-JobId`. Dans le dossier manifeste se trouvent le `success` dossier, qui contient le manifeste de réussite, et le `failed` dossier, qui contient le manifeste du fichier non traité. Les sections suivantes présentent la structure des fichiers manifestes.
### Fichier manifeste Batch
Voici la structure JSON du fichier manifeste par lots.
```
{"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"
}
}
```
### Fichier manifeste de réussite
Voici la structure JSON du fichier qui contient des informations sur les fichiers traités avec succès.
```
{
"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
}]
}
```
### Fichier manifeste non traité
Voici la structure JSON du fichier manifeste qui contient des informations sur les fichiers non traités.
```
{
"Files" : [ {
"Input": "file_name_that_failed",
"ErrorCode": "error code for exception",
"ErrorMessage": "explanation of the error code and suggestions"
},
{ ...}
]
}
```