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。
# 使用 Amazon Comprehend Medical
[Amazon Comprehend Medical](https://docs.aws.amazon.com/comprehend-medical/latest/dev/comprehendmedical-welcome.html) 是一種 AWS 服務 ，可偵測並傳回非結構化臨床文字中的有用資訊，例如醫生備註、出院摘要、測試結果和案例備註。它使用自然語言處理 (NLP) 模型來偵測實體。*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)。
**重要**
Amazon Comprehend Medical 無法取代專業醫療建議、診斷或治療。Amazon Comprehend Medical 提供可信度分數，指出偵測到之實體準確性的可信度。確認使用案例的相關可信度閾值，並在需要高準確性的情況下使用高可信度閾值。在某些情況下，應由經過適當訓練的人工檢閱者檢閱和驗證結果。例如，Amazon Comprehend Medical 只有在經過訓練的醫療專業人員審查準確性和健全的醫學判斷後，才應該用於患者護理案例。
您可以透過 AWS 管理主控台、 AWS Command Line Interface (AWS CLI) 或 SDK 存取 AWS SDKsAmazon Comprehend Medical。此 AWS SDKs適用於各種程式設計語言和平台，例如 Java、Python、Ruby、.NET、iOS 和 Android。您可以使用 SDKs 從用戶端應用程式以程式設計方式存取 Amazon Comprehend Medical。
本節會檢閱 Amazon Comprehend Medical 的主要功能。它還討論了與大型語言模型 (LLM) 相比，使用此服務的優勢。
## Amazon Comprehend Medical 功能
Amazon Comprehend Medical 提供近乎即時和批次推論APIs。這些 APIs 可以使用醫療實體辨識和識別實體關係，擷取醫療文字並提供醫療 NLP 任務的結果。您可以對單一檔案執行分析，或對存放在 Amazon Simple Storage Service (Amazon S3) 儲存貯體中的多個檔案執行批次分析。Amazon Comprehend Medical 提供下列用於同步實體偵測的文字分析 API 操作：
+ [偵測實體](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-entitiesv2.html) – 偵測一般醫療類別，例如結構、醫療情況、PHI 類別、程序和時間表達式。
+ [偵測 PHI](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-phi.html) – 偵測特定實體，例如年齡、日期、名稱和類似的個人資訊。
Amazon Comprehend Medical 也包含多個 API 操作，可用於對臨床文件執行批次文字分析。若要進一步了解如何使用這些 API 操作，請參閱[文字分析批次 APIs](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-batchapi.html)。
使用 Amazon Comprehend Medical 偵測臨床文字中的實體，並將這些實體連結至標準化醫療拓撲中的概念，包括 RxNorm、ICD-10-CM 和 SNOMED CT 知識庫。您可以對單一檔案執行分析，或對存放在 Amazon S3 儲存貯體中的大型文件或多個檔案執行批次分析。Amazon Comprehend Medical 提供下列本體連結 API 操作：
+ [InferICD10CM](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontology-icd10.html) – **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。
+ [InferRxNorm](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontology-RxNorm.html) – **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。
+ [InferSNOMEDCT](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontology-linking-snomed.html) – **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 年版本的 Systematized Nomenclature of Medicine， clinical Terms (SNOMED CT) 程式碼。SNOMED CT 提供醫療概念的完整詞彙，包括醫療條件和解剖，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情境資訊，例如特徵和屬性。然後，當與 SNOMED CT 多階層搭配使用時，SNOMED CT 概念 IDs 可用於建構患者臨床資料以進行醫療編碼、報告或臨床分析。
如需詳細資訊，請參閱 Amazon Comprehend Medical 文件中的[文字分析 APIs](https://docs.aws.amazon.com/comprehend-medical/latest/dev/comprehendmedical-textanalysis.html) 和 [Ontology Linking APIs](https://docs.aws.amazon.com/comprehend-medical/latest/dev/comprehendmedical-ontologies.html)。
## Amazon Comprehend Medical 的使用案例
作為獨立服務，Amazon Comprehend Medical 可能會解決組織的使用案例。Amazon Comprehend Medical 可以執行下列任務：
+ 協助在病患記錄中進行醫療編碼
+ 偵測受保護的健康資訊 (PHI) 資料
+ 驗證藥物，包括屬性，例如用量、頻率和形式
Amazon Comprehend Medical 結果適用於大多數醫療實務。不過，如果您有以下限制，您可能需要考慮替代方案：
+ **不同的實體定義** – 例如，您對藥物實體`FREQUENCY`的定義可能不同。對於頻率，Amazon Comprehend Medical *會視需要*進行預測，但您的組織可能會使用 *pro re nata (PRN)* 一詞。
+ **結果數量過大** – 例如，患者備註經常包含多個症狀和關鍵字，對應到多個 ICD-10-CM 代碼。不過，數個關鍵字不適用於診斷。在此情況下，提供者必須評估許多 ICD-10-CM 實體及其可信度分數，這需要手動處理時間。
+ **自訂實體或 NLP 任務** – 例如，供應商可能想要擷取 PRN 證據，例如*視需要採取止痛措施*。由於 Amazon Comprehend Medical 不提供此功能，因此需要不同的 AI/ML 模型。如果 NLP 任務不在實體辨識範圍內，例如摘要、問答和情緒分析，則需要不同的 AI/ML 解決方案。