Τα δεδομένα υγειονομικής περίθαλψης είναι πολύπλοκα και σιλό, και υπάρχουν σε διάφορες μορφές. Υπολογίζεται ότι το 80% των δεδομένων σε οργανισμούς θεωρούνται αδόμητα ή «σκοτεινά» δεδομένα που είναι κλειδωμένα μέσα σε κείμενο, email, αρχεία PDF και σαρωμένα έγγραφα. Αυτά τα δεδομένα είναι δύσκολο να ερμηνευτούν ή να αναλυθούν μέσω προγραμματισμού και περιορίζουν τον τρόπο με τον οποίο οι οργανισμοί μπορούν να αντλήσουν πληροφορίες από αυτά και να εξυπηρετήσουν τους πελάτες τους πιο αποτελεσματικά. Ο γρήγορος ρυθμός δημιουργίας δεδομένων σημαίνει ότι οι οργανισμοί που δεν επενδύουν στον αυτοματισμό εγγράφων κινδυνεύουν να κολλήσουν με παλαιού τύπου διαδικασίες που είναι μη αυτόματες, αργές, επιρρεπείς σε σφάλματα και δύσκολα κλιμακωτές.
Σε αυτήν την ανάρτηση, προτείνουμε μια λύση που αυτοματοποιεί την κατάποση και τη μετατροπή αρχείων PDF που δεν έχουν αξιοποιηθεί στο παρελθόν και χειρόγραφων κλινικών σημειώσεων και δεδομένων. Εξηγούμε πώς να εξαγάγετε πληροφορίες από γραφήματα κλινικών δεδομένων πελατών χρησιμοποιώντας Textract Amazon, στη συνέχεια χρησιμοποιήστε το ακατέργαστο εξαγόμενο κείμενο για να προσδιορίσετε διακριτά στοιχεία δεδομένων χρησιμοποιώντας Amazon Comprehend Medical. Αποθηκεύουμε το τελικό αποτέλεσμα σε συμβατή μορφή Fast Healthcare Interoperability Resources (FHIR) σε Amazon Healthlake, καθιστώντας το διαθέσιμο για μεταγενέστερες αναλύσεις.
Επισκόπηση λύσεων
Η AWS παρέχει μια ποικιλία υπηρεσιών και λύσεων στους παρόχους υγειονομικής περίθαλψης για να ξεκλειδώσουν την αξία των δεδομένων τους. Για τη λύση μας, επεξεργαζόμαστε ένα μικρό δείγμα εγγράφων μέσω του Amazon Textract και φορτώνουμε τα εξαγόμενα δεδομένα ως κατάλληλους πόρους FHIR στο Amazon HealthLake. Δημιουργούμε μια προσαρμοσμένη διαδικασία για τη μετατροπή FHIR και τη δοκιμάζουμε από άκρη σε άκρη.
Τα δεδομένα φορτώνονται πρώτα σε DocumentReference
. Στη συνέχεια, το Amazon HealthLake δημιουργεί πόρους που δημιουργούνται από το σύστημα μετά την επεξεργασία αυτού του μη δομημένου κειμένου DocumentReference
και το φορτώνει σε Condition
, MedicationStatement
, να Observation
πόροι. Εντοπίζουμε μερικά πεδία δεδομένων στους πόρους του FHIR, όπως το αναγνωριστικό ασθενούς, η ημερομηνία παροχής υπηρεσιών, ο τύπος παρόχου και το όνομα της ιατρικής μονάδας.
A MedicationStatement
είναι ένα αρχείο ενός φαρμάκου που καταναλώνεται από έναν ασθενή. Μπορεί να υποδηλώνει ότι ο ασθενής παίρνει το φάρμακο τώρα, έχει πάρει το φάρμακο στο παρελθόν ή ότι θα πάρει το φάρμακο στο μέλλον. Ένα συνηθισμένο σενάριο όπου συλλέγονται αυτές οι πληροφορίες είναι κατά τη διαδικασία λήψης ιστορικού κατά τη διάρκεια επίσκεψης ή παραμονής του ασθενούς. Η πηγή των πληροφοριών φαρμάκων μπορεί να είναι η μνήμη του ασθενούς, ένα μπουκάλι με συνταγή ή από μια λίστα φαρμάκων που διατηρεί ο ασθενής, ο κλινικός ιατρός ή άλλο μέρος.
Observations
αποτελούν κεντρικό στοιχείο στην υγειονομική περίθαλψη, που χρησιμοποιείται για την υποστήριξη της διάγνωσης, την παρακολούθηση της προόδου, τον καθορισμό των βασικών γραμμών και των προτύπων, ακόμη και για την καταγραφή δημογραφικών χαρακτηριστικών. Οι περισσότερες παρατηρήσεις είναι απλοί ισχυρισμοί ζεύγους ονόματος/τιμής με ορισμένα μεταδεδομένα, αλλά ορισμένες παρατηρήσεις ομαδοποιούν άλλες παρατηρήσεις μαζί λογικά ή θα μπορούσαν ακόμη και να είναι παρατηρήσεις πολλαπλών συστατικών.
Η Condition
Ο πόρος χρησιμοποιείται για την καταγραφή λεπτομερών πληροφοριών σχετικά με μια κατάσταση, πρόβλημα, διάγνωση ή άλλο συμβάν, κατάσταση, ζήτημα ή κλινική ιδέα που έχει αυξηθεί σε επίπεδο ανησυχίας. Η πάθηση μπορεί να είναι μια έγκαιρη διάγνωση στο πλαίσιο μιας συνάντησης, ένα στοιχείο στη λίστα προβλημάτων του επαγγελματία ή μια ανησυχία που δεν υπάρχει στη λίστα προβλημάτων του επαγγελματία.
Το παρακάτω διάγραμμα δείχνει τη ροή εργασίας για τη μετεγκατάσταση μη δομημένων δεδομένων στο FHIR για ανάλυση τεχνητής νοημοσύνης και μηχανικής μάθησης (ML) στο Amazon HealthLake.
Τα βήματα της ροής εργασιών είναι τα εξής:
- Ένα έγγραφο μεταφορτώνεται σε ένα Απλή υπηρεσία αποθήκευσης Amazon (Amazon S3) κάδος.
- Η μεταφόρτωση εγγράφου στο Amazon S3 ενεργοποιεί ένα AWS Lambda λειτουργία.
- Η συνάρτηση Lambda στέλνει την εικόνα στο Amazon Textract.
- Το Amazon Textract εξάγει κείμενο από την εικόνα και αποθηκεύει την έξοδο σε έναν ξεχωριστό κάδο εξόδου Amazon Textract S3.
- Το τελικό αποτέλεσμα αποθηκεύεται ως συγκεκριμένοι πόροι FHIR (το εξαγόμενο κείμενο φορτώνεται
DocumentReference
ως κωδικοποιημένο κείμενο βάσης 64) στο Amazon HealthLake για να εξαγάγετε νόημα από τα μη δομημένα δεδομένα με το ενσωματωμένο Amazon Comprehend Medical για εύκολη αναζήτηση και αναζήτηση. - Οι χρήστες μπορούν να δημιουργήσουν ουσιαστικές αναλύσεις και να εκτελέσουν διαδραστικά αναλυτικά στοιχεία χρησιμοποιώντας Αμαζόν Αθηνά.
- Οι χρήστες μπορούν να δημιουργήσουν οπτικοποιήσεις, να πραγματοποιήσουν ad hoc ανάλυση και να λάβουν γρήγορα επιχειρηματικές πληροφορίες χρησιμοποιώντας Amazon QuickSight.
- Οι χρήστες μπορούν να κάνουν προβλέψεις με δεδομένα υγείας χρησιμοποιώντας Amazon Sage Maker ML μοντέλα.
Προϋποθέσεις
Αυτή η ανάρτηση προϋποθέτει εξοικείωση με τις ακόλουθες υπηρεσίες:
Από προεπιλογή, η ενσωματωμένη δυνατότητα επεξεργασίας φυσικής γλώσσας του Amazon Comprehend Medical (NLP) στο Amazon HealthLake είναι απενεργοποιημένη στον λογαριασμό σας AWS. Για να το ενεργοποιήσετε, υποβάλετε μια περίπτωση υποστήριξης με το αναγνωριστικό λογαριασμού, την περιοχή AWS και το κατάστημα δεδομένων Amazon HealthLake ARN. Για περισσότερες πληροφορίες, ανατρέξτε στο Πώς μπορώ να ενεργοποιήσω την ενσωματωμένη δυνατότητα επεξεργασίας φυσικής γλώσσας του HealthLake.
Αναφέρομαι στο GitHub repo για περισσότερες λεπτομέρειες ανάπτυξης.
Αναπτύξτε την αρχιτεκτονική λύσης
Για να ρυθμίσετε τη λύση, ολοκληρώστε τα παρακάτω βήματα:
- Κλωνοποιήστε το GitHub repo, τρέξιμο
cdk deploy PdfMapperToFhirWorkflow
από τη γραμμή εντολών ή το τερματικό σας και ακολουθήστε το αρχείο README. Η ανάπτυξη θα ολοκληρωθεί σε περίπου 30 λεπτά. - Στην κονσόλα Amazon S3, μεταβείτε στον κάδο ξεκινώντας από
pdfmappertofhirworkflow
-, το οποίο δημιουργήθηκε ως μέρος τουcdk deploy
. - Μέσα στον κάδο, δημιουργήστε έναν φάκελο που ονομάζεται μεταφορτώσεις και ανεβάστε το δείγμα PDF (SampleMedicalRecord.pdf).
Μόλις η μεταφόρτωση του εγγράφου είναι επιτυχής, θα ενεργοποιήσει τη διοχέτευση και μπορείτε να αρχίσετε να βλέπετε δεδομένα στο Amazon HealthLake, τα οποία μπορείτε να υποβάλετε ερωτήματα χρησιμοποιώντας πολλά εργαλεία AWS.
Ρωτήστε τα δεδομένα
Για να εξερευνήσετε τα δεδομένα σας, ολοκληρώστε τα παρακάτω βήματα:
- Στην κονσόλα CloudWatch, αναζητήστε το
HealthlakeTextract
ομάδα καταγραφής. - Στις λεπτομέρειες της ομάδας καταγραφής, σημειώστε το μοναδικό αναγνωριστικό του εγγράφου που επεξεργαστήκατε.
- Στην κονσόλα Amazon HealthLake, επιλέξτε Αποθήκες δεδομένων στο παράθυρο πλοήγησης.
- Επιλέξτε το χώρο αποθήκευσης δεδομένων σας και επιλέξτε Εκτελέστε ερώτημα.
- Για Τύπος ερωτήματος, επιλέξτε Αναζήτηση με GET.
- Για Τύπος πόρων, επιλέξτε Αναφορά εγγράφου.
- Για Παράμετροι αναζήτησης, εισαγάγετε την παράμετρο όπως σχετίζεται με και την τιμή ως
DocumentReference/
Μοναδική ταυτότητα. - Επιλέξτε Εκτελέστε ερώτημα.
- Στο Σώμα ανταπόκρισης ενότητα, ελαχιστοποιήστε τις ενότητες πόρων για να προβάλετε απλώς τους έξι πόρους που δημιουργήθηκαν για το εξασέλιδο έγγραφο PDF.
- Το παρακάτω στιγμιότυπο οθόνης δείχνει την ενσωματωμένη ανάλυση με ενεργοποιημένο το Amazon Comprehend Medical και το NLP. Το στιγμιότυπο οθόνης στα αριστερά είναι η πηγή PDF. το στιγμιότυπο οθόνης στα δεξιά είναι το αποτέλεσμα NLP από το Amazon HealthLake.
- Μπορείτε επίσης να εκτελέσετε ένα ερώτημα με Τύπος ερωτήματος ορίζεται ως Διάβασε και Τύπος πόρων ορίζεται ως Κατάσταση χρησιμοποιώντας το κατάλληλο αναγνωριστικό πόρου.
Το παρακάτω στιγμιότυπο οθόνης εμφανίζει τα αποτελέσματα του ερωτήματος. - Στην κονσόλα Athena, εκτελέστε το ακόλουθο ερώτημα:
Ομοίως, μπορείτε να κάνετε ερωτήσεις MedicationStatement
, Condition
, να Observation
πόροι.
εκκαθάριση
Αφού ολοκληρώσετε τη χρήση αυτής της λύσης, τρέξτε cdk destroy PdfMapperToFhirWorkflow
για να διασφαλίσετε ότι δεν θα επιβαρυνθείτε με πρόσθετες χρεώσεις. Για περισσότερες πληροφορίες, ανατρέξτε στο Εργαλειοθήκη AWS CDK (εντολή cdk).
Συμπέρασμα
Οι υπηρεσίες AWS AI και το Amazon HealthLake μπορούν να βοηθήσουν στην αποθήκευση, τη μετατροπή, την αναζήτηση και την ανάλυση πληροφοριών από μη δομημένα δεδομένα υγειονομικής περίθαλψης. Αν και αυτή η ανάρτηση κάλυπτε μόνο ένα κλινικό διάγραμμα PDF, θα μπορούσατε να επεκτείνετε τη λύση σε άλλους τύπους αρχείων PDF, εικόνων και χειρόγραφων σημειώσεων υγειονομικής περίθαλψης. Αφού τα δεδομένα εξαχθούν σε μορφή κειμένου, αναλυθούν σε διακριτά στοιχεία δεδομένων χρησιμοποιώντας το Amazon Comprehend Medical και αποθηκευτούν στο Amazon HealthLake, θα μπορούσαν να εμπλουτιστούν περαιτέρω από μεταγενέστερα συστήματα για να οδηγήσουν ουσιαστικές και εφαρμόσιμες πληροφορίες υγειονομικής περίθαλψης και τελικά να βελτιώσουν τα αποτελέσματα για την υγεία των ασθενών.
Η προτεινόμενη λύση δεν απαιτεί την ανάπτυξη και τη συντήρηση της υποδομής διακομιστή. Όλες οι υπηρεσίες διαχειρίζονται είτε από AWS είτε χωρίς διακομιστή. Με το μοντέλο χρέωσης pay-as-you-go της AWS και το βάθος και το εύρος των υπηρεσιών του, το κόστος και η προσπάθεια της αρχικής εγκατάστασης και πειραματισμού είναι σημαντικά χαμηλότερα από τις παραδοσιακές εναλλακτικές λύσεις εντός του χώρου.
Επιπρόσθετο υλικό
Για περισσότερες πληροφορίες σχετικά με το Amazon HealthLake, ανατρέξτε στα ακόλουθα:
Σχετικά με τους Συγγραφείς
Shravan Vurputoor είναι Senior Solutions Architect στην AWS. Ως αξιόπιστος υποστηρικτής πελατών, βοηθά τους οργανισμούς να κατανοήσουν τις βέλτιστες πρακτικές σχετικά με προηγμένες αρχιτεκτονικές που βασίζονται σε cloud και παρέχει συμβουλές για στρατηγικές που βοηθούν στην επίτευξη επιτυχημένων επιχειρηματικών αποτελεσμάτων σε ένα ευρύ σύνολο εταιρικών πελατών μέσω του πάθους του για εκπαίδευση, κατάρτιση, σχεδιασμό και δημιουργία cloud λύσεις. Στον ελεύθερο χρόνο του, του αρέσει να διαβάζει, να περνά χρόνο με την οικογένειά του και να μαγειρεύει.
Rafael M. Koike είναι κύριος αρχιτέκτονας λύσεων στην AWS που υποστηρίζει πελάτες Enterprise στη Νοτιοανατολική Ευρώπη και αποτελεί μέρος της Κοινότητας Τεχνικού Πεδίου Αποθήκευσης και Ασφάλειας. Ο Rafael έχει πάθος να χτίζει και η τεχνογνωσία του στην ασφάλεια, την αποθήκευση, τη δικτύωση και την ανάπτυξη εφαρμογών έχει καθοριστική σημασία για να βοηθήσει τους πελάτες να μετακινηθούν στο cloud με ασφάλεια και ταχύτητα.
Randheer Gehlot είναι κύριος διευθυντής λύσεων πελατών στην AWS. Η Randheer είναι παθιασμένη με την AI/ML και την εφαρμογή της στη βιομηχανία HCLS. Ως κατασκευαστής AWS, συνεργάζεται με μεγάλες επιχειρήσεις για να σχεδιάσει και να εφαρμόσει γρήγορα στρατηγικές μετεγκαταστάσεις στο cloud και να δημιουργήσει σύγχρονες, εγγενείς λύσεις στο cloud.
- SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
- PlatoAiStream. Web3 Data Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
- Minting the Future με την Adryenn Ashley. Πρόσβαση εδώ.
- Αγορά και πώληση μετοχών σε εταιρείες PRE-IPO με το PREIPO®. Πρόσβαση εδώ.
- πηγή: https://aws.amazon.com/blogs/machine-learning/transform-analyze-and-discover-insights-from-unstructured-healthcare-data-using-amazon-healthlake/
- :έχει
- :είναι
- :που
- $UP
- 30
- 7
- a
- Σχετικα
- Λογαριασμός
- απέναντι
- Ad
- Πρόσθετος
- προηγμένες
- συμβουλές
- συνήγορος
- Μετά το
- AI
- Υπηρεσίες AI
- AI / ML
- Όλα
- Επίσης
- εναλλακτικές λύσεις
- Αν και
- Amazon
- Κατανοήστε το Amazon
- Amazon Comprehend Medical
- Amazon Healthlake
- Textract Amazon
- an
- αναλύσεις
- ανάλυση
- analytics
- αναλύσει
- και
- Εφαρμογή
- Ανάπτυξη Εφαρμογών
- κατάλληλος
- περίπου
- ΕΙΝΑΙ
- γύρω
- AS
- At
- αυτοκίνητα
- Αυτοματοποίηση
- διαθέσιμος
- AWS
- BE
- ήταν
- είναι
- ΚΑΛΎΤΕΡΟΣ
- βέλτιστες πρακτικές
- χρέωσης
- πλάτος
- ευρύς
- χτίζω
- Builder
- Κτίριο
- επιχείρηση
- αλλά
- by
- που ονομάζεται
- CAN
- πιάνω
- περίπτωση
- κεντρικός
- χαρακτηριστικά
- φορτία
- Διάγραμμα
- Διαγράμματα
- Επιλέξτε
- Κλινικός
- Backup
- κωδικός
- Κοινός
- κοινότητα
- σύμφωνος
- πλήρης
- συγκρότημα
- κατανοώ
- έννοια
- Ανησυχία
- κατάσταση
- θεωρούνται
- πρόξενος
- καταναλώνεται
- συμφραζόμενα
- Μετατροπή
- Κόστος
- θα μπορούσε να
- Πορεία
- καλύπτονται
- δημιουργία
- δημιουργήθηκε
- δημιουργεί
- έθιμο
- πελάτης
- Λύσεις πελατών
- Πελάτες
- ημερομηνία
- Ημερομηνία
- Προεπιλογή
- δημογραφικός
- παρατάσσω
- ανάπτυξη
- βάθος
- Υπηρεσίες
- σχέδιο
- καταστρέψει
- λεπτομερής
- καθέκαστα
- Προσδιορίστε
- Ανάπτυξη
- δύσκολος
- ανάπηρος
- ανακαλύπτουν
- do
- έγγραφο
- Αυτοματισμός εγγράφων
- έγγραφα
- Όχι
- γίνεται
- Μην
- κάτω
- αυτοκίνητο
- κατά την διάρκεια
- Ανατολή
- εύκολος
- εκπαίδευση
- αποτελεσματικά
- προσπάθεια
- είτε
- στοιχείο
- στοιχεία
- ενεργοποιήσετε
- ενεργοποιημένη
- τέλος
- εμπλουτισμένος
- εξασφαλίζω
- εισάγετε
- Εταιρεία
- επιχειρήσεις
- σφάλμα
- αναμενόμενη
- Even
- Συμβάν
- υπάρχουν
- υπάρχει
- εξειδίκευση
- Εξηγήστε
- διερευνήσει
- επεκτείνουν
- εκχύλισμα
- Εκχυλίσματα
- Ευκολία
- Εξοικείωση
- οικογένεια
- FAST
- λίγοι
- πεδίο
- Πεδία
- Αρχεία
- τελικός
- Όνομα
- ακολουθήστε
- Εξής
- εξής
- Για
- μορφή
- μορφή
- από
- λειτουργία
- περαιτέρω
- μελλοντικός
- γενεά
- παίρνω
- να πάρει
- Group
- he
- Υγεία
- υγειονομική περίθαλψη
- βοήθεια
- βοήθεια
- βοηθά
- του
- Πως
- Πώς να
- HTML
- http
- HTTPS
- i
- ID
- προσδιορίσει
- εικόνα
- εικόνες
- εφαρμογή
- βελτίωση
- in
- υποδεικνύω
- βιομηχανία
- πληροφορίες
- Υποδομή
- αρχικός
- ιδέες
- ενόργανος
- ενσωματωθεί
- διαδραστικό
- Διαλειτουργικότητα
- σε
- επενδύοντας
- ζήτημα
- IT
- ΤΟΥ
- jpg
- μόλις
- Γλώσσα
- large
- Μεγάλες επιχειρήσεις
- μάθηση
- αριστερά
- Κληροδότημα
- Επίπεδο
- Μου αρέσει
- όρια
- Λιστα
- φορτίο
- φορτία
- κλειδωμένη
- κούτσουρο
- χαμηλότερα
- μηχανή
- μάθηση μηχανής
- διατηρεί
- συντήρηση
- κάνω
- Κατασκευή
- διαχειρίζεται
- διευθυντής
- Ταχύτητες
- Ενδέχεται..
- νόημα
- νόημα
- μέσα
- ιατρικών
- Μνήμη
- Μεταδεδομένα
- μεταναστεύσουν
- Λεπτ.
- ML
- μοντέλο
- μοντέλα
- ΜΟΝΤΕΡΝΑ
- Παρακολούθηση
- περισσότερο
- πλέον
- μετακινήσετε
- όνομα
- Φυσικό
- Επεξεργασία φυσικής γλώσσας
- Πλοηγηθείτε
- Πλοήγηση
- δικτύωσης
- nlp
- Notes
- τώρα
- of
- on
- αποκλειστικά
- or
- οργανώσεις
- ΑΛΛΑ
- δικός μας
- αποτελέσματα
- παραγωγή
- παράθυρο
- παράμετρος
- μέρος
- κόμμα
- πάθος
- παθιασμένος
- Το παρελθόν
- ασθενής
- πρότυπα
- Εκτελέστε
- αγωγού
- Πλάτων
- Πληροφορία δεδομένων Plato
- Πλάτωνα δεδομένα
- Θέση
- πρακτικές
- Προβλέψεις
- συνταγή
- προηγουμένως
- Κύριος
- Πρόβλημα
- διαδικασια μας
- Επεξεργασμένο
- Διεργασίες
- μεταποίηση
- Πρόοδος
- προτείνω
- προτείνεται
- προμηθευτής
- Παρόχους υπηρεσιών
- παρέχει
- γρήγορα
- Rafael
- γρήγορα
- ταχέως
- Τιμή
- Ακατέργαστος
- Ανάγνωση
- ρεκόρ
- περιοχή
- απαιτούν
- πόρος
- Υποστηρικτικό υλικό
- αποτέλεσμα
- Αποτελέσματα
- Ανέστη
- Κίνδυνος
- τρέξιμο
- Κλίμακα
- σενάριο
- Αναζήτηση
- Τμήμα
- τμήματα
- ασφαλώς
- ασφάλεια
- βλέποντας
- αποστέλλει
- αρχαιότερος
- ξεχωριστό
- εξυπηρετούν
- Χωρίς διακομιστή
- υπηρεσία
- Υπηρεσίες
- σειρά
- setup
- διάφοροι
- Δείχνει
- σημαντικά
- Απλούς
- κατάσταση
- ΕΞΙ
- επιβραδύνουν
- small
- λύση
- Λύσεις
- μερικοί
- Πηγή
- Νότος
- συγκεκριμένες
- Δαπάνες
- Εκκίνηση
- Ξεκινήστε
- παραμονή
- Βήματα
- χώρος στο δίσκο
- κατάστημα
- αποθηκεύονται
- καταστήματα
- Στρατηγική
- στρατηγικές
- υποβάλουν
- επιτυχής
- υποστήριξη
- Στήριξη
- συστήματα
- λήψη
- Τεχνικός
- τερματικό
- δοκιμή
- από
- ότι
- Η
- Το μέλλον
- Η Πηγη
- τους
- τότε
- αυτό
- Μέσω
- ώρα
- προς την
- μαζι
- εργαλειοθήκη
- εργαλεία
- παραδοσιακός
- Εκπαίδευση
- Μεταμορφώστε
- Μεταμόρφωση
- ενεργοποιούν
- Έμπιστος
- ΣΤΡΟΦΗ
- τύπος
- τύποι
- τελικά
- καταλαβαίνω
- μοναδικός
- ξεκλειδώσετε
- αναξιοποίητο
- Φορτώθηκε
- χρήση
- μεταχειρισμένος
- χρησιμοποιώντας
- αξία
- ποικιλία
- διάφορα
- Δες
- Επίσκεψη
- ήταν
- we
- ήταν
- Ποιό
- θα
- με
- εντός
- λειτουργεί
- Εσείς
- Σας
- zephyrnet