本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
# 本体关联
使用 Amazon Comprehend Medical 检测临床文本中的实体，并将这些实体与标准化医学本体中的概念关联起来，包括、ICD-10-CM 和 SNOMED CT RxNorm 知识库。您可以对单个文件进行分析，也可以对大型文档或存储在 Amazon Simple Storage Service (S3) 中的多个文件进行批量分析。
# ICD-10-CM 关联
使用 Infer ICD10 CM 以实体形式检测可能的疾病，并将其链接到 2026 年版《[国际疾病分类，第十修订版，临床修改》（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)中的代码。ICD-10-CM 由美国疾病控制和预防中心 (CDC) 发布。
检测到医学状况时，`InferICD10CM` 会返回匹配的 ICD-10-CM 代码和描述。检测到的状况按置信度降序列出。分数可以表明对与文本中概念相匹配的实体的准确性置信度。家族史、体征、症状和否定等相关信息被视为特征。解剖学名称和猛烈程度等其他信息被列为属性。
Infer ICD10 CM 非常适合以下场景：
+ 协助对患者病历进行专业医学编码
+ 临床研究和试验
+ 与医疗软件系统集成
+ 早期发现和诊断
+ 人口健康管理
## ICD-10-CM 类别
**Infer ICD10 CM** 会检测该`MEDICAL_CONDITION`类别中的实体。它还会检测其他相关信息，并将其作为属性或特征来关联。
## ICD-10-CM 类型
**Infer ICD10 CM** 会检测以下类型的实体：`DX_NAME`和。`TIME_EXPRESSION`
## ICD-10-CM 特征
**Infer ICD10 CM** 将以下上下文信息检测为特征：
+ `DIAGNOSIS`：通过对症状的评估来确定某种医学状况。
+ `HYPOTHETICAL`：表明医学状况是一种假设。
+ `LOW_CONFIDENCE`：表明医学状况具有高度不确定性。这与提供的置信度分数没有直接关系。
+ `NEGATION`：表明不存在医学状况。
+ `PERTAINS_TO_FAMILY`：表明医学状况与患者家属有关，与患者无关。
+ `SIGN`：医生报告的医学状况。
+ `SYMPTOM`：患者报告的医学状况。
## ICD-10-CM 属性
**Infer ICD10 CM** 将以下上下文信息检测为属性：
+ `DIRECTION`：方位词。例如左、右、内侧、外侧、上、下、后、前、远端、近端、对侧、双侧、同侧、背侧或腹侧。
+ `SYSTEM_ORGAN_SITE`：解剖学位置。
+ `ACUITY:`：确定疾病的猛烈程度，例如慢性、急性、突发性、持续性或渐进性。其仅适用于 `MEDICAL_CONDITION` 类型。
+ `QUALITY`：医学状况的任何描述词语，例如阶段或等级。
## 时间类别
`TIME_EXPRESSION` 类别可以检测与时间相关的实体。其中包括日期和时间等实体，例如 “三天前”、“今天”、“当前”、“入院当天”、“上个月”或“16 天”。此类别中的结果仅在与实体关联时才会返回。例如，“患者昨天被诊断出患有流感”会将 `Yesterday` 作为与 `DX_NAME` 实体“流感”重叠的 `TIME_EXPRESSION` 实体返回。但是，在“患者昨天遛过狗”中，“昨天”不会被认定为一个实体。
## 类型
识别出的 `TIME_EXPRESSION` 类型为 `TIME_TO_DX_NAME`：医学状况的发生日期。此类型的属性为 `DX_NAME`。
## 关系类型
`RELATIONSHIP_TYPE` 是指实体与属性之间的关系。识别出的 `RELATIONSHIP_TYPE` 是 `OVERLAP` – 与检测到的实体一致的 `TIME_EXPRESSION`。
## 输入和响应示例
**注意**
有关具体的 API 输入和响应语法，请参阅《*亚马逊 Comprehend Medical API 参考》中的 Infer C ICD10* [M](https://docs.aws.amazon.com/comprehend-medical/latest/api/API_InferICD10CM.html)。
以下示例输入文本显示了 `InferICD10CM` 操作的工作原理。要查看所有输入文本，请滚动**复制**按钮。
```
"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` 操作以 JSON 格式返回以下输出（为简洁起见，采用缩写）。
```
{
"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` 还能识别文本中的否定实体。例如，如果患者没有出现某种症状，则症状和否定均会被识别为特征，并列出置信度分数。对于前一个示例的输入，症状 `Nausea` 将列于 `NEGATION` 下方，因为患者没有出现恶心。
```
{
"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 链接
使用该**InferRxNorm**操作将患者记录中列为实体的药物进行识别。该行动还将这些实体与[国家医学图书馆 RxNorm 数据库](https://www.nlm.nih.gov/research/umls/rxnorm/docs/rxnormfiles.html )中的概念标识符（RxCUI）联系起来。每个 rxCUI 的来源都是 2022-11-0 RxNorm 7 和发行版。 RxTerms 每个 RxCUI 都是独一无二的，具有不同的强度和剂量形式。Amazon Comprehend Medical 按置信CUIs 度分数降序列出了其检测到的每种药物的最大可能匹配的处方。非结构化文本无法使用 RxCUI 代码进行下游分析。强度、频率、剂量、剂量形式和给药途径等相关信息以 JSON 格式列为属性。
您可以将 **InferRxNorm** 用于以下场景：
+ 筛查患者服用的药物。
+ 防止新开的药物与患者目前正在服用的药物之间出现潜在的不良反应。
+ 使用 RxCUI 根据用药史筛查是否纳入临床试验。
+ 检查药物的剂量和频率是否适当。
+ 筛查药物的用途、适应症和副作用。
+ 管理人口健康。
## 重要提示
Amazon Comprehend Medical的**InferRxNorm**运营并不能替代专业的医疗建议、诊断或治疗。为您的使用案例确定正确的置信度阈值，并在需要高准确度的情况下使用高置信度阈值。*只有*经过训练有素的医学专家审查结果的准确性和进行合理的医学判断后，才能在患者护理场景中使用 Amazon Comprehend Medical。
## RxNorm 类别
**InferRxNorm**检测`MEDICATION`类别中的实体。它还会检测作为属性或特征来关联的其他相关信息。
## RxNorm 类型
`Medication` 类别中的实体类型为：
+ `BRAND_NAME`：药物或治疗剂的受版权保护的品牌名称。
+ `GENERIC_NAME`：药物或治疗剂的非品牌名称、成分名称或配方混合物。
## RxNorm 属性
+ `DOSAGE`：医嘱用药量。
+ `DURATION`：用药持续时间。
+ `FORM`：药物的形式。
+ `FREQUENCY`：用药频率。
+ `RATE`: 药物的给药率（主要用于药物输液或 IVs）。
+ `ROUTE_OR_MODE`：药物的用药方法。
+ `STRENGTH`：药物强度。
## RxNorm 特征
+ `NEGATION`：表明患者*没有*用药。
+ `PAST_HISTORY`：表明检测到的药物来自患者的过去（现在之前）。
## 输入和响应示例
**注意**
有关具体的 API 输入和响应语法，请参阅[InferRxNorm](https://docs.aws.amazon.com/comprehend-medical/latest/api/API_InferRxNorm.html)《*亚马逊 Comprehend Medical API 参考*》。
以下示例输入文本显示了 `InferRxNorm` 操作的工作原理。要查看所有输入文本，请滚动**复制**按钮。
```
"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"
```
`InferRxNorm` 操作以 JSON 格式返回以下输出：
```
{
"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"
}
```
使用以下输入文本，`InferRxNorm` 操作也可以识别否定特征。
```
'patient is not on warfarin'
```
`InferRxNorm` 操作以 JSON 格式返回以下输出：
```
{
"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 关联
使用 **InferSNOMEDCT** 操作可以检测医学实体，并将其与 2022 年 3 月版本的《医学系统术语表 (SNOMED CT)》中的概念关联起来。SNOMED CT 提供了全面的医学概念词汇，包括医学状况和解剖学、医学检查、治疗和手术。要了解有关 SNOMED CT 的更多信息，请访问 [SNOMED CT](https://www.snomed.org/value-of-snomedct)。
对于每个检测到的医疗实体，Amazon Comprehend Medical 会列出前五名 SNOMED CT IDs 概念和与医学概念相关的描述，以及表明模型对其预测可信度的置信度分数。SNOMED CT 概念 IDs 与置信度分数一起按置信度降序列出。然后，当您将 SNOMED CT 概念与 SNOMED CT 多元层次结构一起使用时， IDs 可以使用 SNOMED CT 概念来构建患者临床数据，用于医学编码、报告或临床分析。
**InferSNOMEDCT** 可供美国客户使用。有关其他国家/地区的 SNOMED CT 以及 SNOMED CT 许可的信息，请参阅 [SNOMED CT](https://www.snomed.org/value-of-snomedct)。
**InferSNOMEDCT** 非常适合以下场景：
+ 协助对患者病历进行专业医学编码
+ 临床研究和试验
+ 人口健康管理
**InferSNOMEDCT** 可以检测以下类别的实体：它还会检测其他上下文信息，并将其作为属性或特征来关联。
+ `MEDICAL_CONDITION`：医学状况的体征、症状和诊断。
+ `ANATOMY`：身体部位或身体系统以及这些部位或系统的位置。
+ `TEST_TREATMENT_PROCEDURE`：用于确定医学状况的程序。
## 解剖学类别
`ANATOMY` 类别可以检测对身体部位或身体系统以及这些部位或系统的位置的表述。
### 属性
可以检测 `ANATOMY` 类别的以下属性：
+ `DIRECTION`：方位词。例如左、右、内侧、外侧、上、下、后、前、远端、近端、对侧、双侧、同侧、背侧或腹侧。
+ `SYSTEM_ORGAN_SITE`：身体系统、解剖学位置或区域以及身体部位。
## 医学状况类别
`MEDICAL_CONDITION` 类别可以检测医学状况的体征、症状和诊断。
### Type
对于 **MEDICAL\$1CONDITION** 类别，可以检测以下类型：
+ `DX_NAME:`：通过对症状的评估来确定某种医学状况。
### 属性
可以检测 `MEDICAL_CONDITION` 类别的以下属性：
+ `ACUITY:`：确定疾病的猛烈程度，例如慢性、急性、突发性、持续性或渐进性。
+ `QUALITY:`：医学状况的任何描述词语，例如阶段或等级。
+ `DIRECTION`：方位词。例如左、右、内侧、外侧、上、下、后、前、远端、近端、对侧、双侧、同侧、背侧或腹侧。
+ `SYSTEM_ORGAN_SITE`：身体系统、解剖学位置或区域以及身体部位。
### 特征
可以检测 `MEDICAL_CONDITION` 类别的以下特征：
+ `DIAGNOSIS`：被确定为症状的原因或结果的医学状况。症状可以通过体检结果、实验室或放射学报告或其他方式发现。
+ `HYPOTHETICAL`：表明医学状况是一种假设。
+ `LOW_CONFIDENCE`：表明医学状况具有高度不确定性。这与提供的置信度分数没有直接关系。
+ `NEGATION`：表明不存在医学状况。
+ `PERTAINS_TO_FAMILY`：表明医学状况与患者家属有关，与患者无关。
+ `SIGN`：医生报告的医学状况。
+ `SYMPTON`：患者报告的医学状况。
## 检查、治疗和手术类别
`TEST_TREATMENT_PROCEDURE` 类别可以检测用于确定医学状况的程序。
### Type
对于 **TEST\$1TREATMENT\$1PROCEDURE** 类别，可以检测以下类型：
+ `PROCEDURE_NAME:`：对患者进行的干预措施，用于治疗疾病或为患者提供护理。
+ `TEST_NAME:`：对患者执行的诊断、测量、筛查或评级程序，最后可能产生结果数值。其中包括用于确定诊断、排除或确定病情或对患者进行评级或打分的任何程序、流程、评估或评分。
+ `TREATMENT_NAME:`：为对抗疾病或失调而采取的干预措施。其中包括药物，例如抗病毒药物和疫苗接种。
### 属性
对于 **TEST\$1TREATMENT\$1PROCEDURE** 类别，可以检测以下属性：
+ `TEST_NAME:`：进行过的诊断检查。
+ `TEST_VALUE:`：诊断检查的数字结果。
+ `TEST_UNIT:`：与 `TEST_VALUE:` 结果相关的单位。
+ `PROCEDURE_NAME:`：进行过的手术或医疗程序的名称。
+ `TREATMENT_NAME:`：对患者实施的治疗的名称。
### 特征
+ `FUTURE`：表明检查、治疗或手术是将在临床记录中的主题事件之后发生的行动或事件。
+ `HYPOTHETICAL`：表明检查、治疗或手术是一种假设
+ `NEGATION`：表明结果为阴性或行动未执行。
+ `PAST_HISTORY`：表明检查、治疗或手术来自患者的过去（现在之前）。
## SNOMED CT 详细信息
JSON 响应中包含 SNOMED CT 详细信息，其中包括以下信息：
+ `EDITION:`：仅支持美国版。
+ `VERSIONDATE: `：使用的 SNOMED CT 版本的日期戳。
+ `LANGUAGE:`：支持对英语 (US-EN) 进行分析。
## 输入和响应示例
**注意**
有关具体的 API 输入和响应语法，请参阅《Amazon Comprehend Medical API 参考》**中的 [InferSNOMEDCT](https://docs.aws.amazon.com/comprehend-medical/latest/api/API_InferSNOMEDCT.html)。
以下示例输入文本显示了 `InferSNOMEDCT` 操作的工作原理。要查看所有输入文本，请滚动**复制**按钮。
```
"HEENT : Boggy inferior turbinates, No oropharyngeal lesion"
```
`InferSNOMEDCT` 操作以 JSON 格式返回以下输出。
```
{
"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"
}
```
# 本体关联批量分析
使用 Amazon Comprehend Medical 检测存储在 Amazon Simple Storage Service (Amazon S3) 桶中的临床文本实体，并将这些实体关联到标准化本体。您可以使用本体关联批量分析来分析一组文档或最多包含 20000 个字符的单个文档。通过使用控制台或本体关联批处理 API，您可以执行操作，以启动、停止、列出和描述正在进行的批量分析作业。
有关批量分析和其他 Amazon Comprehend Medical 操作的定价信息，请参阅 [Amazon Comprehend Medical Pricing](https://aws.amazon.com/comprehend/medical/pricing/)。
## 执行批量分析
您可以使用 Amazon Comprehend Medical 控制台或 Amazon Comprehend Medical 批处理 API 操作来运行批量分析作业。
### 使用 API 操作执行批量分析
**先决条件**
在使用 Amazon Comprehend Medical API 时，请创建 AWS Identity Access and Management (IAM) 策略并将其附加到 IAM 角色。要了解有关 IAM 角色和信任策略的更多信息，请参阅 [IAM 策略和权限](https://docs.aws.amazon.com/IAM/latest/UserGuide/access_policies.html)。
1. 将数据上传到 S3 桶。
1. 要启动新的分析作业，请使用 “**启动ICD10CMInference作业**”、“**启动SNOMEDCTInference作业**” 或 “**StartRxNormInferenceJob**操作”。提供包含输入文件的 Amazon S3 桶的名称以及您将要向其发送输出文件的 Amazon S3 桶的名称。
1. 使用 Describe Job、Desc **ribe ICD10 CMInference Jo** b 或**DescribeRxNormInferenceJob**操作**来监控SNOMEDCTInference任务**的进度。此外，您可以使用 “**列出ICD10CMInference作业”**、“**列出SNOMEDCTInference作业**” 和 **ListRxNormInferenceJobs**“查看所有本体链接批量分析作业的状态”。
1. 如果您需要停止正在进行的作业，请使用 **Stop ICD10 CMInference Job**、**Stop SNOMEDCTInference J** ob 或**StopRxNormInferenceJob**停止分析。
1. 要查看分析作业的结果，请参阅您在启动作业时配置的输出 S3 桶。
### 使用控制台执行批量分析
****
1. 将数据上传到 S3 桶。
1. 要开始新的分析作业，请选择要执行的分析类型。然后，提供包含输入文件的 S3 桶的名称以及您将要向其发送输出文件的 S3 桶的名称。
1. 在作业运行期间监控其状态。在控制台中，您可以查看所有批量分析操作及其状态，包括分析的开始和结束时间。
1. 要查看分析作业的结果，请查看您在启动作业时配置的输出 S3 桶。
## 适用于批量操作的 IAM 策略
调用 Amazon Comprehend Medical 批处理 API 操作的 IAM 角色必须有一个策略，允许访问包含输入和输出文件的 S3 桶。此外，还必须为 IAM 角色分配信任关系，这样 Amazon Comprehend Medical 服务才能担任该角色。要了解有关 IAM 角色和信任策略的更多信息，请参阅 [IAM 角色](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_roles.html)。
该角色必须具有以下策略：
------
#### [ 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"
}
]
}
```
------
该角色必须拥有以下信任关系。建议您使用 `aws:SourceAccount ` 和 `aws:SourceArn` 条件键来防止混淆代理安全问题。要详细了解混淆的代理问题以及如何保护您的 AWS 账户，请参阅 IAM 文档中的[混淆代理问题](https://docs.aws.amazon.com/IAM/latest/UserGuide/confused-deputy.html)。
------
#### [ 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:*"
}
}
}
]
}
```
------
## 批量分析输出文件
Amazon Comprehend Medical 为批次中的每个输入文件创建一个输出文件。文件的扩展名为 `.out`。Amazon Comprehend Medical 首先使用 *AwsAccountId* *JobType* *JobId*-作为名称在输出 S3 存储桶中创建一个目录，然后将该批次的所有输出文件写入该目录。Amazon Comprehend Medical 创建此新目录，这样一个作业的输出就不会覆盖另一个作业的输出。
批处理操作产生的输出与同步操作相同。
每个批处理操作都会生成以下三个清单文件，其中包含有关作业的信息：
+ `Manifest` – 总结作业。提供有关作业所用参数、作业的总大小以及已处理的文件数量的信息。
+ `Success` – 提供有关已成功处理的文件的信息。包括输入和输出文件名以及输入文件的大小。
+ `Unprocessed` – 列出批处理作业未处理的文件，每个文件都有错误代码和错误消息。
Amazon Comprehend Medical 会将文件写入您为批处理作业指定的输出目录。摘要清单文件将与标题为 `Manifest_AccountId-Operation-JobId` 的文件夹一起写入输出文件夹。清单文件夹中有 `success` 文件夹和 `failed` 文件夹，前者包含成功清单，后者包含未处理的文件清单。以下部分显示了清单文件的结构。
### 批处理清单文件
以下是批处理清单文件的 JSON 结构。
```
{"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"
}
}
```
### 成功清单文件
以下是文件的 JSON 结构，其中包含有关已成功处理的文件的信息。
```
{
"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
}]
}
```
### 未处理清单文件
以下是清单文件的 JSON 结构，其中包含有关未处理文件的信息。
```
{
"Files" : [ {
"Input": "file_name_that_failed",
"ErrorCode": "error code for exception",
"ErrorMessage": "explanation of the error code and suggestions"
},
{ ...}
]
}
```