本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
# Amazon Comprehend Medical 的運作方式
Amazon Comprehend Medical 使用預先訓練的自然語言處理 (NLP) 模型，透過實體偵測來分析非結構化臨床文字。實體是醫療資訊的文字參考，例如醫療狀況、藥物或受保護醫療資訊 (PHI)。某些操作會偵測實體，然後將這些實體連結至標準化的拓撲，進一步邁進一步。模型會在大量醫療文字上持續訓練，因此您不需要提供訓練資料。所有結果都包含可信度分數，這表示 Amazon Comprehend Medical 對偵測到實體準確性的可信度。
實體偵測和本體連結都可以同步或非同步操作執行：
+ 同步操作 — 對將分析結果直接傳回至應用程式的單一文件啟用分析。當您建立可一次處理一個文件的互動式應用程式時，請使用單一文件操作。
+ 非同步操作 — 對存放在 Amazon S3 儲存貯體中的文件集合或批次啟用分析。分析的結果會在 S3 儲存貯體中傳回。
**注意**
Amazon Comprehend Medical 只能分析英文 (US-EN) 的文字。
## 同步實體偵測
**DetectEntitiesV2** 和 **DetectPHI** 操作會從個別文件偵測非結構化臨床文字中的實體。您會將文件傳送至 Amazon Comprehend Medical 服務，並在回應中收到分析結果。
## 非同步批次分析
**StartEntitiesDetectionV2Job** 和 **StartPHIDetectionJob** 操作會開始非同步任務，以偵測醫療資訊的參考，例如存放在 Amazon S3 儲存貯體中的醫療情況、治療、測試和結果或受保護醫療資訊。偵測任務的輸出會寫入單獨的 Amazon S3 儲存貯體，可用於進一步處理或下游分析。
**StartICD10CMInferenceJob** 和 **StartRxNormInferenceJob** 操作會開始本體連結批次操作，以偵測實體並將這些實體連結至 RxNorm 和 ICD-10-CM 知識庫中的標準化代碼。
## 拓撲連結
**InferICD10CM**、**InferSNOMEDCT** 和 **InferRxNorm** 操作會偵測潛在的醫療情況和藥物，並將其分別連結至 ICD-10-CM、SNOMED CT 或 RxNorm 知識庫中的程式碼。您可以使用內科連結批次分析來分析文件集合或單一大型文件。透過使用主控台或本體連結批次 APIs，您可以執行操作來啟動、停止、列出和描述正在進行的批次分析任務。
### 連結至 ICD-10-CM 醫學條件知識庫中的概念
**InferICD10CM** 操作會偵測潛在的醫療情況，並將其連結至 2019 年國際疾病分類第 10 版臨床修改 (ICD-10-CM) 的代碼。對於每個偵測到的潛在醫療情況，Amazon Comprehend Medical 會列出相符的 ICD-10-CM 代碼和描述。結果中列出的醫療情況包括可信度分數，這表示 Amazon Comprehend Medical 對結果中相符概念之實體準確性的可信度。
### 連結至 RxNorm 藥物知識庫中的概念
**InferRxNorm** 操作可識別在病患記錄中列為實體的藥品。它將實體連結至來自國家醫學圖書館 RxNorm 資料庫的概念識別符 (RxCUI)。每個 RxCUI 對於不同的強度和用量表單都是唯一的。結果中列出的藥物包含可信度分數，表示 Amazon Comprehend Medical 對符合 RxNorm 知識庫中概念之實體準確性的可信度。Amazon Comprehend Medical 會根據可信度分數，以遞減順序列出可能符合其偵測到之每種藥物的最上層 RxCUIs。
### SNOMED CT 醫學概念知識庫中的概念連結
InferSNOMEDCT 操作會將可能的醫療概念識別為實體，並將其連結至 2021 年 3 年 Systematized Nomenclature of Medicine， clinical Terms (SNOMED CT) 版本的程式碼。SNOMED CT 提供全方位的醫療概念詞彙，包括醫療情況和解剖，以及醫療測試、治療和程序。對於每個相符的概念 ID，Amazon Comprehend Medical 會傳回前五個醫療概念，每個概念都有可信度分數和內容資訊，例如特徵和屬性。然後，SNOMED CT 概念 IDs 可用於建構患者臨床資料，以便與 SNOMED CT 多階層搭配使用進行醫療編碼、報告或臨床分析。