기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# 온톨로지 연결
Amazon Comprehend Medical을 사용하면 임상 텍스트에서 엔터티를 탐지하고 해당 엔터티를 RxNorm, ICD-10-CM 및 SNOMED CT 지식 기반을 비롯한 표준화된 의료 온톨로지의 개념에 연결합니다. Amazon Simple Storage Service(S3)에 저장된 대용량 문서 또는 여러 파일에 대해 배치 분석으로 또는 단일 파일에서 분석을 수행할 수 있습니다.
# ICD-10-CM 연결
InferICD10CM을 사용하여 가능한 의학적 상태를 개체로 감지하고 [국제 질병 분류, 10차 개정, 임상 수정(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) 2026 버전의 코드에 연결합니다. ICD-10-CM은 미국 질병통제예방센터(CDC)에서 제공합니다.
의학적 상태가 감지되면 일치하는 `InferICD10CM`이 ICD-10-CM 코드 및 설명을 반환합니다. 감지된 상태는 신뢰도 내림차순으로 나열됩니다. 점수는 텍스트에 있는 개념과 일치하는 엔터티의 정확성에 대한 신뢰도를 나타냅니다. 가족력, 징후, 증상, 부정과 같은 관련 정보는 특성으로 인식됩니다. 해부학적 명칭 및 감각 능력과 같은 추가 정보가 속성으로 나열됩니다.
InferICD10CM은 다음 시나리오에 적합합니다.
+ 환자 기록의 전문 의료 코딩 지원
+ 임상 연구 및 시험
+ 의료 소프트웨어 시스템과 통합
+ 조기 발견 및 진단
+ 국민 건강 관리
## ICD-10-CM 범주
**InferICD10CM**은 `MEDICAL_CONDITION` 범주의 엔터티를 탐지합니다. 추가 관련 정보도 탐지되어 속성 또는 특성으로 연결됩니다.
## ICD-10-CM 유형
**InferICD10CM**은 `DX_NAME`, `TIME_EXPRESSION` 유형의 엔터티를 탐지합니다.
## ICD-10-CM 특성
**InferICD10CM**은 다음과 같은 컨텍스트 정보를 특성으로 탐지합니다.
+ `DIAGNOSIS`: 증상의 평가에 의해 결정되는 의학적 상태의 식별.
+ `HYPOTHETICAL`: 의학적 상태가 가설로 표현된다는 표시.
+ `LOW_CONFIDENCE`: 의학적 상태의 불확실성이 높은 것으로 표현된다는 표시. 제공된 신뢰도 점수와는 직접적인 관련이 없습니다.
+ `NEGATION`: 의학적 상태가 존재하지 않는다는 표시.
+ `PERTAINS_TO_FAMILY`: 의학적 상태가 환자 본인이 아닌 환자의 가족과 관련 있다는 표시.
+ `SIGN`: 의사가 보고한 의학적 상태.
+ `SYMPTOM`: 환자가 보고한 의학적 상태.
## ICD-10-CM 속성
**InferICD10CM**은 다음과 같은 컨텍스트 정보를 속성으로 탐지합니다.
+ `DIRECTION`: 지침 용어. 예: 왼쪽, 오른쪽, 내측, 외측, 상부, 하측, 후방, 전방, 원위부, 근위부, 반대측, 양측, 동측, 등쪽 또는 복부.
+ `SYSTEM_ORGAN_SITE`: 해부학적 위치.
+ `ACUITY:` 만성, 급성, 돌발성, 지속성 또는 점진적 질병 사례와 같은 질병 사례 결정. `MEDICAL_CONDITION` 유형에만 적용됩니다.
+ `QUALITY`: 병기 또는 등급과 같은 의학적 상태를 설명하는 모든 용어.
## 시간 표현 범주
`TIME_EXPRESSION` 범주는 시간과 관련된 엔터티를 감지합니다. 여기에는 날짜와 같은 항목과 “3일 전”, “오늘”, “현재”, “입원 날짜”, “지난 달” 또는 “16일”과 같은 시간 표현이 포함됩니다. 이 범주의 결과는 엔터티와 관련된 경우에만 반환됩니다. 예를 들어, “어제 환자가 인플루엔자 진단을 받았습니다”라는 표현은 “인플루엔자”라는 `DX_NAME` 엔터티와 겹치는 `TIME_EXPRESSION` 엔터티로 `Yesterday`를 반환합니다. 그러나 “어제 환자가 개를 산책시켰다”는 표현에서 “어제”는 엔터티로 인식되지 않습니다.
## 유형
인식되는 `TIME_EXPRESSION` 유형이 `TIME_TO_DX_NAME`: 의학적 상태가 발생한 날짜입니다. 이 유형의 속성은 `DX_NAME`입니다.
## 관계 유형
`RELATIONSHIP_TYPE`은 엔터티와 속성 간의 관계를 나타냅니다. 인식된 `RELATIONSHIP_TYPE`은 `OVERLAP` - `TIME_EXPRESSION`이 탐지된 엔터티와 일치합니다.
## 입력 및 응답 예제
**참고**
특정 API 입력 및 응답 구문은 *Amazon Comprehend Medical API 참조*의 [InferICD10CM](https://docs.aws.amazon.com/comprehend-medical/latest/api/API_InferICD10CM.html) 섹션을 참조하십시오.
다음 입력 텍스트 예시에서는 `InferICD10CM` 작업의 작동 방식을 보여줍니다. 모든 입력 텍스트를 보려면 **복사** 버튼 위로 스크롤하십시오.
```
"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."
```
`InferICD10CM` 작업은 다음과 같은 JSON 형식의 출력을 반환합니다(간결성을 위해 축약됨).
```
{
"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"
}
```
또한 `InferICD10CM`은 텍스트에서 엔터티가 부정되는 경우도 인식합니다. 예를 들어, 환자가 증상을 경험하지 않는 경우 증상과 부정이 모두 특성으로 식별되어 신뢰도 점수와 함께 나열됩니다. 이전 예시의 입력에 따라 환자가 메스꺼움을 느끼지 않기 때문에 `Nausea` 증상이 `NEGATION` 아래에 나열됩니다.
```
{
"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 연결
**InferRxNorm** 작업을 사용하여 환자 기록에 엔터티로 등재된 약물을 식별할 수 있습니다. 또한 이 작업은 이러한 엔터티를 [국립 의학 도서관의 RxNorm 데이터베이스](https://www.nlm.nih.gov/research/umls/rxnorm/docs/rxnormfiles.html )에 있는 개념 식별자(RxCUI)에 연결합니다. 각 RxCUI의 출처는 2022-11-07 RxNorm 및 RxTerms 릴리스입니다. 각 RxCUI는 강도와 투여 형태가 다르기 때문에 고유합니다. Amazon Comprehend Medical은 검출된 각 약물에 대해 잠재적으로 일치할 가능성이 있는 RxCUI를 신뢰도 점수 내림차순으로 나열합니다. 비정형 텍스트로는 불가능한 다운스트림 분석에 RxCUI 코드를 사용하십시오. 강도, 빈도, 투여량, 투여 형태, 투여 경로와 같은 관련 정보가 JSON 형식의 속성으로 나열됩니다.
다음 시나리오에는 **InferRxNorm**을 사용합니다.
+ 환자가 복용한 약물에 대한 조회.
+ 새로 처방한 약물과 환자가 현재 복용 중인 약물 사이의 잠재적으로 부정적인 반응 예방.
+ RxCUI를 사용하여 약물 투여 기록을 바탕으로 임상시험에 포함할지 여부를 선별.
+ 약물의 투여량과 투여 빈도가 적절한지 여부 확인.
+ 약물의 용도, 적응증 및 부작용에 대한 조회.
+ 국민 건강 관리.
## 중요 공지 사항
Amazon Comprehend Medical의 **InferRxNorm** 작업은 전문적인 의학적 조언, 진단 또는 치료를 대체할 수 없습니다. 사용 사례에 적합한 신뢰 임계값을 식별하고, 높은 정확도가 필요한 상황에서는 높은 신뢰 임계값을 사용합니다. 반드시 숙련된 의료 전문가로부터 정확성 검토와 바른 판단을 받은 *이후* 환자 치료 시나리오에 Amazon Comprehend Medical 작업을 사용하세요.
## RxNorm 범주
**InferRxNorm**은 `MEDICATION` 범주의 엔터티를 탐지합니다. 속성 또는 특성으로 연결된 추가 관련 정보도 탑지합니다.
## RxNorm 유형
`Medication` 범주의 엔티티 유형은 다음과 같습니다.
+ `BRAND_NAME`: 약물 또는 치료제의 저작권이 있는 브랜드 이름.
+ `GENERIC_NAME`: 약물 또는 치료제의 비브랜드 이름, 성분 이름 또는 포뮬러 혼합물.
## RxNorm 속성
+ `DOSAGE`: 주문한 의약품의 양.
+ `DURATION`: 약을 투여 기간.
+ `FORM`: 약물의 형태.
+ `FREQUENCY`: 약물 투여 빈도.
+ `RATE`: 약물 투여율(주로 약물 주입 또는 IV의 경우).
+ `ROUTE_OR_MODE`: 약물 투여 방법.
+ `STRENGTH`: 투약 강도.
## RxNorm 특성
+ `NEGATION`: 환자가 약물을 투여하고 있지 *않다는* 모든 징후.
+ `PAST_HISTORY`: 검출된 약물이 환자의 과거(현재 만남 이전)에서 비롯되었다는 표시.
## 입력 및 응답 예제
**참고**
특정 API 입력 및 응답 구문은 *Amazon Comprehend Medical API 참조*의 [InferRxNorm](https://docs.aws.amazon.com/comprehend-medical/latest/api/API_InferRxNorm.html) 섹션을 참조하십시오.
다음 입력 텍스트 예시에서는 `InferRxNorm` 작업의 작동 방식을 보여줍니다. 모든 입력 텍스트를 보려면 **복사** 버튼 위로 스크롤하십시오.
```
"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"
```
이 `InferRxNorm` 작업은 JSON 형식으로 다음과 같은 출력을 반환합니다.
```
{
"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"
}
```
`InferRxNorm` 작업은 다음 입력 텍스트를 사용하여 부정 특성도 인식합니다.
```
'patient is not on warfarin'
```
이 `InferRxNorm` 작업은 JSON 형식으로 다음과 같은 출력을 반환합니다.
```
{
"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"
}
```
# SNOMED CT 연결
**InferSNOMEDCT**를 사용하여 의료 엔터티를 탐지하고 2022-03 버전의 SNOMED CT(국제 보건의료용어 표준체계)에 수록된 개념과 연결할 수 있습니다. SNOMED CT는 의학적 상태 및 해부학, 의료 검사, 치료 및 절차를 포함한 의료 개념에 대한 어휘를 포괄적으로 제공합니다. SNOMED CT에 대해 자세히 알아보려면 [SNOMED CT](https://www.snomed.org/value-of-snomedct)를 방문하십시오.
Amazon Comprehend Medical은 탐지된 각 의료 엔터티에 대해 해당 의료 개념과 관련된 상위 5개의 SNOMED CT 개념 ID 및 설명을 나열하고 예측에 대한 모델의 신뢰도를 나타내는 신뢰도 점수를 표시합니다. SNOMED CT 개념 ID는 신뢰도 점수와 함께 신뢰도 내림차순으로 나열됩니다. SNOMED CT 개념 ID를 SNOMED CT 다중 계층 구조와 함께 사용하면 의료 코딩, 보고 또는 임상 분석을 위한 환자 임상 데이터를 구조화하는 데 사용할 수 있습니다.
**InferSNOMEDCT**은 미국 고객에게 제공됩니다. 다른 국가의 SNOMED CT에 대한 정보 및 SNOMED CT 라이선스에 대한 자세한 내용은 [ SNOMED CT](https://www.snomed.org/value-of-snomedct)를 참조하십시오.
**InferSNOMEDCT**는 다음 시나리오에 적합합니다.
+ 환자 기록의 전문 의료 코딩 지원
+ 임상 연구 및 시험
+ 국민 건강 관리
**InferSNOMEDCT**는 다음 범주의 엔터티를 탐지합니다. 추가 컨텍스트 정보도 탐지되어 속성 또는 특성으로 연결됩니다.
+ `MEDICAL_CONDITION`: 의학적 상태의 징후, 증상 및 진단.
+ `ANATOMY`: 신체 또는 신체 계통의 일부 및 해당 부위나 계통의 위치.
+ `TEST_TREATMENT_PROCEDURE`: 의학적 상태를 판단하는 데 사용되는 절차.
## 해부학 범주
`ANATOMY` 범주는 신체 또는 신체 계통의 일부 및 해당 부위나 계통의 위치에 대한 레퍼런스를 탐지합니다.
### 속성
`ANATOMY` 범주에서 감지되는 속성은 다음과 같습니다.
+ `DIRECTION`: 지침 용어. 예: 왼쪽, 오른쪽, 내측, 외측, 상부, 하측, 후방, 전방, 원위부, 근위부, 반대측, 양측, 동측, 등쪽 또는 복부.
+ `SYSTEM_ORGAN_SITE`: 신체 계통, 해부학적 위치 또는 부위, 신체 부위.
## 의학적 상태 범주
`MEDICAL_CONDITION` 범주는 의학적 상태의 징후, 증상 및 진단을 탐지합니다.
### Type
**MEDICAL\$1CONDITION** 범주의 경우 다음과 같은 유형이 감지됩니다.
+ `DX_NAME:` 증상의 평가에 의해 결정되는 의학적 상태의 식별.
### 속성
`MEDICAL_CONDITION` 범주에서 감지되는 속성은 다음과 같습니다.
+ `ACUITY:` 만성, 급성, 돌발성, 지속성 또는 점진적 등 질병 사례 결정.
+ `QUALITY:` 병기 또는 등급과 같은 의학적 상태를 설명하는 모든 용어.
+ `DIRECTION`: 지침 용어. 예: 왼쪽, 오른쪽, 내측, 외측, 상부, 하측, 후방, 전방, 원위부, 근위부, 반대측, 양측, 동측, 등쪽 또는 복부.
+ `SYSTEM_ORGAN_SITE`: 신체 계통, 해부학적 위치 또는 부위, 신체 부위.
### 특성
`MEDICAL_CONDITION` 범주에서 감지되는 특성은 다음과 같습니다.
+ `DIAGNOSIS`: 증상의 원인 또는 결과로 판단되는 의학적 상태입니다. 증상은 신체 소견, 검사실 또는 방사선 소견서 또는 기타 수단을 통해 확인할 수 있습니다.
+ `HYPOTHETICAL`: 의학적 상태가 가설로 표현된다는 표시.
+ `LOW_CONFIDENCE`: 의학적 상태의 불확실성이 높은 것으로 표현된다는 표시. 제공된 신뢰도 점수와는 직접적인 관련이 없습니다.
+ `NEGATION`: 의학적 상태가 존재하지 않는다는 표시.
+ `PERTAINS_TO_FAMILY`: 의학적 상태가 환자 본인이 아닌 환자의 가족과 관련 있다는 표시.
+ `SIGN`: 의사가 보고한 의학적 상태.
+ `SYMPTON`: 환자가 보고한 의학적 상태.
## 검사, 치료 및 절차 범주
`TEST_TREATMENT_PROCEDURE` 범주는 의학적 상태를 판단하는 데 사용되는 절차를 탐지합니다.
### Type
**TEST\$1TREATMENT\$1PROCEDE** 범주의 경우 다음과 같은 유형이 감지됩니다.
+ `PROCEDURE_NAME:` 의학적 상태를 치료하거나 환자 케어를 위해 환자에게 시행하는 중재술.
+ `TEST_NAME:` 결과 값이 있을 수 있는 진단, 측정, 검사 또는 등급 지정을 위해 환자에게 수행하는 절차. 여기에는 진단을 내리거나, 상태를 배제 또는 발견하거나, 환자를 평가하거나 점수 지정을 위한 모든 절차, 프로세스, 평가 또는 등급 지정이 포함됩니다.
+ `TREATMENT_NAME:` 질병 또는 이상을 퇴치하기 위해 시행되는 중재술. 여기에는 항바이러스제 및 백신 접종 같은 약물 투여가 포함됩니다.
### 속성
**TEST\$1TREATMENT\$1PROCEDURE** 범주의 경우 다음과 같은 유형이 감지됩니다.
+ `TEST_NAME:` 진단 검사가 수행되었습니다.
+ `TEST_VALUE:` 진단 검사의 수치 결과.
+ `TEST_UNIT:` `TEST_VALUE:`결과와 관련된 단위.
+ `PROCEDURE_NAME:` 시행된 수술 또는 의료 절차의 이름.
+ `TREATMENT_NAME:` 환자에게 제공되는 치료법의 이름.
### 특성
+ `FUTURE`: 검사, 치료 또는 절차가 메모의 주제 이후에 일어날 조치나 사건을 의미한다는 표시.
+ `HYPOTHETICAL`: 검사, 치료 또는 절차가 가설로 표현되었음을 나타내는 표시.
+ `NEGATION`: 결과가 부정적이거나 조치가 수행되지 않고 있다는 표시.
+ `PAST_HISTORY`: 검사, 치료 또는 절차가 환자의 과거(현재 만남 이전)에서 비롯되었음을 나타내는 표시.
## SNOMED CT 세부 정보
JSON 응답에는 다음과 같은 정보가 포함된 SNOMED CT 세부 정보가 포함됩니다.
+ `EDITION:` 미국 에디션에만 지원됩니다.
+ `VERSIONDATE: ` 사용된 SNOMED CT 버전의 날짜 스탬프입니다.
+ `LANGUAGE:` 영어(US-EN) 언어 분석이 지원됩니다.
## 입력 및 응답 예제
**참고**
특정 API 입력 및 응답 구문은 *Amazon Comprehend Medical API 참조*의 [InferSNOMEDCT](https://docs.aws.amazon.com/comprehend-medical/latest/api/API_InferSNOMEDCT.html) 섹션을 참조하십시오.
다음 입력 텍스트 예시에서는 `InferSNOMEDCT` 작업의 작동 방식을 보여줍니다. 모든 입력 텍스트를 보려면 **복사** 버튼 위로 스크롤하십시오.
```
"HEENT : Boggy inferior turbinates, No oropharyngeal lesion"
```
이 `InferSNOMEDCT` 작업은 JSON 형식으로 다음과 같은 출력을 반환합니다.
```
{
"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"
}
```
# 온톨로지 연결 배치 분석
Amazon Comprehend Medical을 사용하여 Amazon Simple Storage Service(S3) 버킷에 저장된 임상 텍스트에서 엔터티를 감지하고 이러한 엔터티를 표준화된 온톨로지에 연결합니다. 온톨로지 연결 배치 분석을 사용하여 문서 모음 또는 최대 20,000자의 단일 문서를 분석할 수 있습니다. 콘솔이나 온톨로지 연결 배치 API 작업을 사용하여 진행 중인 배치 분석 작업을 시작, 중지, 나열 및 설명하는 작업을 수행할 수 있습니다.
배치 분석 및 기타 Amazon Comprehend Medical 작업에 대한 요금 정보는 [Amazon Comprehend Medical 요금](https://aws.amazon.com/comprehend/medical/pricing/)을 참조하십시오.
## 배치 분석 수행
Amazon Comprehend Medical 콘솔 또는 Amazon Comprehend Medical 배치 API 작업을 사용하여 배치 분석 작업을 실행할 수 있습니다.
### API 작업을 사용하여 배치 분석 수행
**필수 조건**
Amazon Comprehend Medical API를 사용하는 경우 AWS Identity Access and Management(IAM) 정책을 만들고 IAM 역할에 연결해야 합니다. IAM 역할 및 신뢰 정책에 대한 자세한 내용은 [IAM 권한 및 정책](https://docs.aws.amazon.com/IAM/latest/UserGuide/access_policies.html)을 참조하세요.
1. 데이터를 S3 버킷에 업로드합니다.
1. 새 분석 작업을 시작하려면 **StartICD10CMInferenceJob**, **StartSNOMEDCTInferenceJob** 또는 **StartRxNormInferenceJob** 작업을 사용합니다. 입력 파일이 포함되어 있는 Amazon S3 버킷의 이름과 출력 파일을 보내려는 Amazon S3 버킷의 이름을 제공합니다.
1. **DescribeICD10CMInferenceJob**, **DescribeSNOMEDCTInferenceJob** 또는 **DescribeRxNormInferenceJob** 작업을 사용하여 작업 진행 상황을 모니터링할 수 있습니다. 또한 **ListICD10CMInferenceJobs**, **ListSNOMEDCTInferenceJobs**, **ListRxNormInferenceJobs**를 사용하여 배치 분석 작업을 연결하는 모든 온톨로지의 상태를 확인할 수 있습니다.
1. 진행 중인 작업을 중지해야 하는 경우 **StopICD10CMInferenceJob**, **StopSNOMEDCTInferenceJob** 또는 **StopRxNormInferenceJob**을 사용하여 분석을 중지합니다.
1. 분석 작업의 결과를 보려면 작업을 시작할 때 구성한 출력 S3 버킷을 참조하세요.
### 콘솔을 사용하여 배치 분석 수행
****
1. 데이터를 S3 버킷에 업로드합니다.
1. 새 분석 작업을 시작하려면 수행할 분석 유형을 선택합니다. 그런 다음, 입력 파일이 포함되어 있는 S3 버킷의 이름과 출력 파일을 보내려는 S3 버킷의 이름을 제공합니다.
1. 작업이 진행 중인 동안 작업 상태를 모니터링합니다. 콘솔에서 분석 시작 및 종료 시점을 포함하여 모든 배치 분석 작업과 상태를 볼 수 있습니다.
1. 분석 작업의 결과를 보려면 작업을 시작할 때 구성한 출력 S3 버킷을 참조하세요.
## 배치 작업에 대한 IAM 정책
Amazon Comprehend Medical 배치 API 작업을 호출하는 IAM 역할에는 입력 및 출력 파일이 포함된 S3 버킷에 대한 액세스 권한을 부여하는 정책이 있어야 합니다. Amazon Comprehend Medical 서비스가 역할을 맡을 수 있도록 IAM 역할에도 신뢰 관계를 할당해야 합니다. IAM 역할 및 신뢰 정책에 대한 자세한 내용은 [IAM 역할](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_roles.html)을 참조하세요.
역할에는 다음과 같은 정책도 있어야 합니다.
------
#### [ 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"
}
]
}
```
------
역할은 다음과 같은 신뢰 관계를 맺고 있어야 합니다. 혼동되는 대리인 보안 문제를 방지하기 위해 `aws:SourceAccount ` 및 `aws:SourceArn` 조건 키를 사용하여 혼동되는 대리인 보안 문제를 방지하는 것이 좋습니다. 혼동된 대리자 문제와 AWS 계정을 보호하는 방법에 대해 자세히 알아보려면 IAM 설명서의 [혼동된 대리자 문제를](https://docs.aws.amazon.com/IAM/latest/UserGuide/confused-deputy.html) 참조하세요.
------
#### [ 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:*"
}
}
}
]
}
```
------
## 배치 분석 출력 파일
Amazon Comprehend Medical은 배치의 각 입력 파일에 대해 하나의 출력 파일을 생성합니다. 이 파일의 확장자는 `.out`입니다. Amazon Comprehend Medical은 먼저 *AwsAccountId*-*JobType*-*JobId*를 이름으로 사용하여 출력 S3 버킷에 디렉터리를 생성한 다음, 배치에 대한 모든 출력 파일을 이 디렉터리에 씁니다. Amazon Comprehend Medical은 한 작업의 출력이 다른 작업의 출력을 덮어쓰지 않도록 이 새 디렉터리를 생성합니다.
배치 작업은 동기 작업과 동일한 출력을 생성합니다.
각 배치 작업은 작업에 대한 정보가 포함된 다음 세 개의 매니페스트 파일을 생성합니다.
+ `Manifest` - 작업을 요약합니다. 작업에 사용된 파라미터, 전체 작업 크기, 처리된 파일 수에 대한 정보를 제공합니다.
+ `Success` - 성공적으로 처리된 파일에 대한 정보를 제공합니다. 입력 및 출력 파일 이름과 입력 파일 크기를 포함합니다.
+ `Unprocessed` - 배치 작업에서 처리되지 않은 파일을 오류 코드 및 파일별 오류 메시지와 함께 나열합니다.
Amazon Comprehend Medical은 사용자가 배치 작업을 위해 지정한 출력 디렉터리에 파일을 기록합니다. 요약 매니페스트 파일은 `Manifest_AccountId-Operation-JobId` 제목이 붙은 폴더와 함께 출력 폴더에 기록됩니다. 매니페스트 폴더 내에는 성공 매니페스트를 포함하는 `success` 폴더와 처리되지 않은 파일 매니페스트를 포함하는 `failed` 폴더가 있습니다. 다음 단원에서는 매니페스트 파일의 구조를 보여줍니다.
### 배치 매니페스트 파일
다음은 배치 매니페스트 파일의 JSON 구조입니다.
```
{"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"
}
}
```
### 성공 매니페스트 파일
다음은 성공적으로 처리된 파일에 대한 정보가 포함된 파일의 JSON 구조입니다.
```
{
"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
}]
}
```
### 처리되지 않은 매니페스트 파일
처리되지 않은 파일에 대한 정보가 포함된 매니페스트 파일의 JSON 구조는 다음과 같습니다.
```
{
"Files" : [ {
"Input": "file_name_that_failed",
"ErrorCode": "error code for exception",
"ErrorMessage": "explanation of the error code and suggestions"
},
{ ...}
]
}
```