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.
# Vinculação de ontologias
Use o Amazon Comprehend Medical para detectar entidades em textos clínicos e vincular essas entidades a conceitos em ontologias médicas padronizadas, incluindo as bases de conhecimento ICD-10-CM e SNOMED CT. RxNorm Você pode realizar a análise em arquivos únicos ou em lote em documentos grandes ou em vários arquivos armazenados em um Amazon Simple Storage Service (S3).
# Vinculação do ICD-10-CM
Use o Infer ICD10 CM para detectar possíveis condições médicas como entidades e vinculá-las aos códigos da versão 2026 da [Classificação Internacional de Doenças, 10ª Revisão, Modificação Clínica (](https://www.cdc.gov/nchs/icd/icd-10-cm/?CDC_AAref_Val=https://www.cdc.gov/nchs/icd/icd-10-cm.htm)CID-10-CM). O ICD-10-CM é fornecido pelos Centros de Controle e Prevenção de Doenças (CDC) dos EUA.
Quando condições médicas são detectadas, `InferICD10CM` retorna os códigos e descrições ICD-10-CM correspondentes. As condições detectadas são listadas em ordem decrescente de confiança. As pontuações indicam a confiança na precisão das entidades correspondentes aos conceitos encontrados no texto. Informações relacionadas, como histórico familiar, sinais, sintomas e negação, são reconhecidas como características. Informações adicionais, como designações anatômicas e acuidade, são listadas como atributos.
O Infer ICD10 CM é adequado para os seguintes cenários:
+ Auxiliar na codificação médica profissional dos prontuários dos pacientes
+ Estudos e ensaios clínicos
+ Integração com um sistema de software médico
+ Detecção e diagnóstico precoces
+ Gestão da saúde da população
## Categoria do ICD-10-CM
**O Infer ICD10 CM** detecta entidades na `MEDICAL_CONDITION` categoria. Informações adicionais relacionadas também são detectadas e vinculadas como atributos ou características.
## Tipos do ICD-10-CM
**O Infer ICD10 CM** detecta entidades dos tipos e. `DX_NAME` `TIME_EXPRESSION`
## Características do ICD-10-CM
**O Infer ICD10 CM** detecta as seguintes informações contextuais como características:
+ `DIAGNOSIS`: identificação de uma condição médica que é determinada pela avaliação dos sintomas.
+ `HYPOTHETICAL`: uma indicação de que uma condição médica é expressa como uma hipótese.
+ `LOW_CONFIDENCE`: uma indicação de que uma condição médica é expressa como sendo de alta incerteza. Isso não está diretamente relacionado aos escores de confiança fornecidos.
+ `NEGATION`: uma indicação de que uma condição médica não está presente.
+ `PERTAINS_TO_FAMILY`: uma indicação de que uma condição médica é relevante para a família do paciente, não para o paciente.
+ `SIGN`: uma condição médica relatada pelo médico.
+ `SYMPTOM`: uma condição médica relatada pelo paciente.
## Atributos do ICD-10-CM
**O Infer ICD10 CM** detecta as seguintes informações contextuais como atributos:
+ `DIRECTION`: termos direcionais. Por exemplo, esquerda, direita, medial, lateral, superior, inferior, posterior, anterior, distal, proximal, contralateral, bilateral, ipsilateral, dorsal ou ventral.
+ `SYSTEM_ORGAN_SITE`: localização anatômica.
+ `ACUITY:` determinação da instância de uma doença, como crônica, aguda, repentina, persistente ou gradual. Aplica-se somente ao tipo `MEDICAL_CONDITION`.
+ `QUALITY`: qualquer termo descritivo da condição médica, como estágio ou grau.
## Categoria de expressão de tempo
A categoria `TIME_EXPRESSION` detecta entidades relacionadas ao tempo. Isso inclui entidades como datas e expressões de horário, como "três dias atrás", "hoje", "atualmente", "dia da admissão", "último mês" ou "16 dias". Os resultados nessa categoria só são retornados se estiverem associados a uma entidade. Por exemplo, a expressão "Ontem, o paciente foi diagnosticado com influenza" retornaria `Yesterday` como uma entidade `TIME_EXPRESSION` que se sobrepõe à entidade `DX_NAME` "influenza". No entanto, "ontem" não seria reconhecido como uma entidade na expressão "ontem, o paciente passeou com o cachorro".
## Tipos
O tipo reconhecido de `TIME_EXPRESSION` é `TIME_TO_DX_NAME`: a data em que ocorreu uma condição médica. O atributo desse tipo é `DX_NAME`.
## Tipo de relacionamento
O `RELATIONSHIP_TYPE` se refere ao relacionamento entre uma entidade e um atributo. O `RELATIONSHIP_TYPE` reconhecido é `OVERLAP`: `TIME_EXPRESSION` concorda com a entidade detectada.
## Exemplos de entrada e resposta
**nota**
Para obter a sintaxe específica de entrada e resposta da API, consulte [Infer ICD10 CM na Referência](https://docs.aws.amazon.com/comprehend-medical/latest/api/API_InferICD10CM.html) de API do *Amazon Comprehend Medical*.
O exemplo de texto de entrada a seguir mostra como a operação `InferICD10CM` funciona. Para ver todo o texto de entrada, role sobre o botão **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."
```
A operação `InferICD10CM` retorna a entrada a seguir no formato JSON (abreviado por brevidade).
```
{
"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"
}
```
O `InferICD10CM` também reconhece quando uma entidade é negada no texto. Por exemplo, se um paciente não está apresentando um sintoma, tanto o sintoma quanto a negação são identificados como características e listados com uma pontuação de confiança. Com base na entrada do exemplo anterior, o sintoma `Nausea` será listado em `NEGATION` porque o paciente não está sentindo 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 vinculando
Use a **InferRxNorm**operação para identificar medicamentos listados no prontuário do paciente como entidades. A operação também vincula essas entidades aos identificadores de conceito (RxCUI) do [ RxNorm banco de dados da National Library of Medicine](https://www.nlm.nih.gov/research/umls/rxnorm/docs/rxnormfiles.html ). A fonte de cada RxCui é a versão RxNorm 2022-11-07 e a versão. RxTerms Cada RxCUI é exclusivo de diferentes dosagens e formas de dosagem. O Amazon Comprehend Medical lista os principais Rx potencialmente correspondentes CUIs para cada medicamento que ele detecta em ordem decrescente por pontuação de confiança. Use os códigos RxCUI para análises posteriores que não são possíveis com texto não estruturado. Informações relacionadas, como força, frequência, dose, forma de dose e via de administração, são listadas como atributos no formato JSON.
É possível usar o **InferRxNorm** nos seguintes cenários:
+ Triagem de medicamentos que o paciente tomou.
+ Prevenir reações potencialmente negativas entre medicamentos recém-prescritos e medicamentos que o paciente está tomando atualmente.
+ Triagem para inclusão em ensaios clínicos com base no histórico de medicamentos usando o RxCUI.
+ Verificar se a dosagem e a frequência de um medicamento são apropriadas.
+ Triagem de usos, indicações e efeitos colaterais dos medicamentos.
+ Gestão da saúde da população.
## Aviso importante
A **InferRxNorm**operação do Amazon Comprehend Medical não substitui aconselhamento, diagnóstico ou tratamento médico profissional. Identifique o limite de confiança certo para seu caso de uso e use limites de alta confiança em situações que exigem alta precisão. Use operações do Amazon Comprehend Medical somente em cenários de atendimento ao paciente *depois* de revisar a precisão e receber o parecer de profissionais médicos treinados.
## RxNorm categoria
**InferRxNorm**detecta entidades na `MEDICATION` categoria. Ele também detecta informações adicionais relacionadas vinculadas como atributos ou características.
## RxNorm tipos
Os tipos de entidades na categoria `Medication` são
+ `BRAND_NAME`: o nome comercial protegido por direitos autorais do medicamento ou agente terapêutico.
+ `GENERIC_NAME`: o nome não comercial, o nome do ingrediente ou a mistura da fórmula do medicamento ou agente terapêutico.
## RxNorm atributos
+ `DOSAGE`: a quantidade de medicamento solicitada.
+ `DURATION`: por quanto tempo o medicamento deve ser administrado.
+ `FORM`: a forma do medicamento.
+ `FREQUENCY`: com que frequência administrar o medicamento.
+ `RATE`: A taxa de administração do medicamento (principalmente para infusões de medicamentos ou IVs).
+ `ROUTE_OR_MODE`: o método de administração de um medicamento.
+ `STRENGTH`: a potência do medicamento.
## RxNorm traços
+ `NEGATION`: qualquer indicação de que o paciente *não* está tomando um medicamento.
+ `PAST_HISTORY`: uma indicação de que um medicamento detectado é do passado do paciente (antes do encontro atual).
## Exemplos de entrada e resposta
**nota**
Para obter a sintaxe específica de entrada e resposta da API, consulte a [InferRxNorm](https://docs.aws.amazon.com/comprehend-medical/latest/api/API_InferRxNorm.html)Referência de API do *Amazon Comprehend* Medical.
O exemplo de texto de entrada a seguir mostra como a operação `InferRxNorm` funciona. Para ver todo o texto de entrada, role sobre o botão **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"
```
A operação `InferRxNorm` retorna a entrada a seguir no 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"
}
```
Usando o texto de entrada a seguir, a operação `InferRxNorm` também reconhece a característica de negação.
```
'patient is not on warfarin'
```
A operação `InferRxNorm` retorna a entrada a seguir no 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"
}
```
# Vinculação do SNOMED CT
Use o **InferSNOMEDCT** para detectar entidades médicas e vinculá-las a conceitos da versão 2022-03 da Nomenclatura Sistematizada de Medicina, Termos Clínicos (SNOMED CT). O SNOMED CT fornece um vocabulário abrangente de conceitos médicos, incluindo condições médicas e anatomia, exames médicos, tratamentos e procedimentos. Para saber mais sobre o SNOMED CT, acesse [SNOMED CT](https://www.snomed.org/value-of-snomedct).
Para cada entidade médica detectada, o Amazon Comprehend Medical lista os cinco principais conceitos IDs e descrições de tomografia computadorizada do SNOMED associados ao conceito médico, junto com uma pontuação de confiança para indicar a confiança do modelo em sua previsão. O conceito SNOMED CT IDs está listado em ordem decrescente de confiança junto com as pontuações de confiança. O conceito SNOMED CT IDs pode então ser usado para estruturar dados clínicos do paciente para codificação médica, relatórios ou análises clínicas quando você os usa com a polihierarquia do SNOMED CT.
O **InferSNOMEDCT** está disponível para clientes nos EUA. Para obter informações sobre o SNOMED CT em outros países e informações sobre o licenciamento do SNOMED CT, consulte [SNOMED CT](https://www.snomed.org/value-of-snomedct).
O **InferSNOMEDCT** é ideal para os seguintes cenários:
+ Assistência para codificação médica profissional em prontuários de pacientes
+ Estudos e ensaios clínicos
+ Gestão da saúde da população
O **InferSNOMEDCT** detecta entidades nas seguintes categorias. Informações adicionais contextuais também são detectadas e vinculadas como atributos ou características.
+ `MEDICAL_CONDITION`: os sinais, sintomas e diagnósticos de condições médicas.
+ `ANATOMY`: as partes do corpo ou sistemas corporais e às localizações dessas partes ou sistemas.
+ `TEST_TREATMENT_PROCEDURE`: os procedimentos usados para determinar uma condição médica.
## Categoria da anatomia
A categoria `ANATOMY` detecta referências às partes do corpo ou sistemas corporais e às localizações dessas partes ou sistemas.
### Atributos
Os seguintes atributos são detectados para a categoria `ANATOMY`:
+ `DIRECTION`: termos direcionais. Por exemplo, esquerda, direita, medial, lateral, superior, inferior, posterior, anterior, distal, proximal, contralateral, bilateral, ipsilateral, dorsal ou ventral.
+ `SYSTEM_ORGAN_SITE`: sistemas corporais, localizações ou regiões anatômicas e locais corporais.
## Categoria da condição médica
A categoria `MEDICAL_CONDITION` detecta os sinais, sintomas e diagnósticos de condições médicas.
### Tipo
Para a categoria **MEDICAL\$1CONDITION**, o seguinte tipo é detectado:
+ `DX_NAME:` identificação de uma condição médica que é determinada pela avaliação dos sintomas.
### Atributos
Os seguintes atributos são detectados para a categoria `MEDICAL_CONDITION`:
+ `ACUITY:`: determinação da instância da doença, como crônica, aguda, repentina, persistente ou gradual.
+ `QUALITY:` qualquer termo descritivo da condição médica, como estágio ou grau.
+ `DIRECTION`: termos direcionais. Por exemplo, esquerda, direita, medial, lateral, superior, inferior, posterior, anterior, distal, proximal, contralateral, bilateral, ipsilateral, dorsal ou ventral.
+ `SYSTEM_ORGAN_SITE`: sistemas corporais, localizações ou regiões anatômicas e locais corporais.
### Características
As seguintes características são detectadas para a categoria `MEDICAL_CONDITION`:
+ `DIAGNOSIS`: uma condição médica determinada como causa ou resultado dos sintomas. Os sintomas podem ser encontrados por meio de achados físicos, relatórios laboratoriais ou radiológicos ou outros meios.
+ `HYPOTHETICAL`: uma indicação de que uma condição médica é expressa como uma hipótese.
+ `LOW_CONFIDENCE`: uma indicação de que uma condição médica é expressa como sendo de alta incerteza. Isso não está diretamente relacionado aos escores de confiança fornecidos.
+ `NEGATION`: uma indicação de que uma condição médica não está presente.
+ `PERTAINS_TO_FAMILY`: uma indicação de que uma condição médica é relevante para a família do paciente, não para o paciente.
+ `SIGN`: uma condição médica relatada pelo médico.
+ `SYMPTON`: uma condição médica relatada pelo paciente.
## Categoria de teste, tratamento e procedimento
A categoria `TEST_TREATMENT_PROCEDURE` detecta os procedimentos usados para determinar uma condição médica.
### Tipo
Para a categoria **TEST\$1TREATMENT\$1PROCEDURE**, os seguintes tipos são detectados:
+ `PROCEDURE_NAME:` intervenções como uma ação única realizada no paciente para tratar uma condição médica ou fornecer assistência ao paciente.
+ `TEST_NAME:` procedimentos realizados em um paciente para diagnóstico, medição, triagem ou avaliação que podem ter um valor resultante. Isso inclui qualquer procedimento, processo, avaliação ou classificação para determinar um diagnóstico, descartar ou encontrar uma condição ou escalar ou pontuar um paciente.
+ `TREATMENT_NAME:` intervenções realizadas para combater uma doença ou um distúrbio. Isso inclui medicamentos, como antivirais e vacinas.
### Atributos
Para a categoria **TEST\$1TREATMENT\$1PROCEDURE**, os seguintes tipos são detectados:
+ `TEST_NAME:` O teste de diagnóstico realizado.
+ `TEST_VALUE:` Os resultados numéricos de um teste de diagnóstico.
+ `TEST_UNIT:` As unidades associadas a um resultado `TEST_VALUE:`.
+ `PROCEDURE_NAME:` O nome de uma cirurgia ou procedimento médico realizado.
+ `TREATMENT_NAME:` O nome de um tratamento administrado a um paciente.
### Características
+ `FUTURE`: uma indicação de que um teste, tratamento ou procedimento se refere a uma ação ou evento que ocorrerá após o assunto das notas.
+ `HYPOTHETICAL`: uma indicação de que um teste, tratamento ou procedimento é expresso como uma hipótese
+ `NEGATION`: uma indicação de que um resultado ou ação é negativo ou não está sendo executado.
+ `PAST_HISTORY`: uma indicação de que um teste, tratamento ou procedimento é do passado do paciente (antes do encontro atual).
## Detalhes do SNOMED CT
Incluídos na resposta JSON estão os detalhes do SNOMED CT, que incluem as seguintes informações:
+ `EDITION:` Somente a edição dos EUA é compatível.
+ `VERSIONDATE: ` O carimbo de data da versão SNOMED CT usada.
+ `LANGUAGE:` A análise no idioma inglês (US-EN) é compatível.
## Exemplos de entrada e resposta
**nota**
Consulte a sintaxe específica de entrada e resposta da API em [InferSNOMEDCT](https://docs.aws.amazon.com/comprehend-medical/latest/api/API_InferSNOMEDCT.html) na *Referência de API do Amazon Comprehend Medical*.
O exemplo de texto de entrada a seguir mostra como a operação `InferSNOMEDCT` funciona. Para ver todo o texto de entrada, role sobre o botão **Copiar**.
```
"HEENT : Boggy inferior turbinates, No oropharyngeal lesion"
```
A operação `InferSNOMEDCT` retorna a saída a seguir no 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"
}
```
# Vinculação de ontologias a análises em lote
Use o Amazon Comprehend Medical para detectar entidades em textos clínicos armazenados em um bucket do Amazon Simple Storage Service (Amazon S3) e para vincular essas entidades a ontologias padronizadas. Você pode usar a análise em lote de vinculações de ontologia para analisar um conjunto de documentos ou um único documento com até 20.000 caracteres. Usando o console ou a ontologia que vincula operações de APIs em lote, você pode realizar operações para iniciar, interromper, listar e descrever trabalhos de análise em lote em andamento.
Para obter informações sobre preços de análise em lote e outras operações do Amazon Comprehend Medical, consulte [Preços do Amazon Comprehend Medical](https://aws.amazon.com/comprehend/medical/pricing/).
## Realizar a análise em lote
Você pode executar um trabalho de análise em lote usando o console do Amazon Comprehend Medical ou as operações de APIs em lote do Amazon Comprehend Medical.
### Executar análise em lote usando operações de APIs
**Pré-requisitos**
Ao usar a API do Amazon Comprehend Medical, crie uma política do AWS Identity Access and Management (IAM) e anexe-a a um perfil do IAM. Para saber mais sobre as políticas de confiança e os perfis do IAM, consulte [Políticas e permissões do IAM](https://docs.aws.amazon.com/IAM/latest/UserGuide/access_policies.html).
1. Faça upload de seus dados em um bucket do S3.
1. Para iniciar um novo trabalho de análise, use **Start ICD10 CMInference Job**, **Start SNOMEDCTInference Job** ou as **StartRxNormInferenceJob**operações. Forneça o nome do bucket do Amazon S3 que contém os arquivos de entrada e o nome do bucket do Amazon S3 para o qual você deseja enviar os arquivos de saída.
1. Monitore o progresso do trabalho usando **Describe ICD10 CMInference Job**, **SNOMEDCTInferenceDescribe Job** ou **DescribeRxNormInferenceJob**operações. Além disso, você pode usar **List ICD10 CMInference Jobs**, **List SNOMEDCTInference Jobs** e **ListRxNormInferenceJobs**ver o status de todas as ontologias que vinculam trabalhos de análise em lote.
1. Se você precisar interromper um trabalho em andamento, use **Stop ICD10 CMInference Job**, **Stop SNOMEDCTInference Job** ou **StopRxNormInferenceJob**para interromper a análise.
1. Para ver os resultados do seu trabalho de análise, consulte o bucket do S3 de saída que você configurou ao iniciar o trabalho.
### Executar análise em lote usando o console
****
1. Faça upload de seus dados em um bucket do S3.
1. Para iniciar um novo trabalho de análise, selecione o tipo de análise que você executará. Em seguida, forneça o nome do bucket do S3 que contém os arquivos de entrada e o nome do bucket do S3 para o qual você deseja enviar os arquivos de saída.
1. Monitore o status do seu trabalho enquanto ele estiver em andamento. No console, você pode visualizar todas as operações de análise em lote e seu status, incluindo quando a análise foi iniciada e finalizada.
1. Para ver os resultados do seu trabalho de análise, consulte o bucket do S3 de saída que você configurou ao iniciar o trabalho.
## Políticas do IAM para operações em lote
O perfil do IAM que chama as operações de APIs em lote do Amazon Comprehend Medical deve ter uma política que conceda acesso aos buckets do S3 que contêm os arquivos de entrada e saída. O perfil do IAM também deve receber uma relação de confiança que permite que o serviço do Amazon Comprehend Medical assuma a função. Para saber mais sobre as políticas de confiança e os perfis do IAM, consulte [Perfis do IAM](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_roles.html).
O perfil deve ter a política a seguir:
------
#### [ 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"
}
]
}
```
------
O perfil deve ter a relação de confiança a seguir. É recomendável usar as chaves de condição `aws:SourceAccount ` ou `aws:SourceArn` para evitar o problema de segurança "confused deputy". Para saber mais sobre o problema do delegado confuso e como proteger sua AWS conta, consulte [O problema do deputado confuso](https://docs.aws.amazon.com/IAM/latest/UserGuide/confused-deputy.html) na documentação do 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:*"
}
}
}
]
}
```
------
## Arquivos de saída de análise em lote
O Amazon Comprehend Medical cria um arquivo de saída para cada arquivo de entrada no lote. O arquivo tem a extensão `.out`. O Amazon Comprehend Medical primeiro cria um diretório no bucket S3 de saída usando o *AwsAccountId* - *JobType* - *JobId* como nome e, em seguida, grava todos os arquivos de saída do lote nesse diretório. O Amazon Comprehend Medical cria esse novo diretório para que a saída de um trabalho não substitua a saída de outro.
A operação em lote produz a mesma saída de uma operação síncrona.
Cada operação em lote produz os três arquivos de manifesto a seguir que contêm informações sobre o trabalho:
+ `Manifest`: resume o trabalho. Fornece informações sobre os parâmetros usados para a tarefa, o tamanho total da tarefa e o número de arquivos processados.
+ `Success`: fornece informações sobre os arquivos que foram processados com êxito. Inclui o nome do arquivo de entrada e saída e o tamanho do arquivo de entrada.
+ `Unprocessed`: lista os arquivos que o trabalho em lote não processou com códigos de erro e mensagens de erro por arquivo.
O Amazon Comprehend Medical grava os arquivos no diretório de saída que você especificou para o trabalho em lotes. O arquivo de resumo do manifesto será gravado na pasta de saída, junto com uma pasta chamada `Manifest_AccountId-Operation-JobId`. Dentro da pasta do manifesto está a pasta `success`, que contém o manifesto de sucesso, e a pasta `failed`, que contém o manifesto do arquivo não processado. As seções a seguir mostram a estrutura dos arquivos do manifesto.
### Arquivo de manifesto em lote
Veja a seguir a estrutura JSON do arquivo do manifesto em lote.
```
{"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"
}
}
```
### Arquivo de manifesto de sucesso
Veja a seguir a estrutura JSON do arquivo que contém informações sobre arquivos processados com êxito.
```
{
"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
}]
}
```
### Arquivo de manifesto não processado
Veja a seguir a estrutura JSON do arquivo de manifesto que contém informações sobre arquivos não processados.
```
{
"Files" : [ {
"Input": "file_name_that_failed",
"ErrorCode": "error code for exception",
"ErrorMessage": "explanation of the error code and suggestions"
},
{ ...}
]
}
```