Terveydenhuollon tiedot ovat monimutkaisia ja hajanaisia, ja niitä on eri muodoissa. Arviolta 80 prosenttia organisaatioiden tiedoista katsotaan jäsentämättömäksi tai "tummaksi" dataksi, joka on lukittu tekstin, sähköpostien, PDF-tiedostojen ja skannattujen asiakirjojen sisään. Tätä dataa on vaikea tulkita tai analysoida ohjelmallisesti ja se rajoittaa sitä, miten organisaatiot voivat saada niistä oivalluksia ja palvella asiakkaitaan tehokkaammin. Nopea tiedontuotantonopeus tarkoittaa, että organisaatiot, jotka eivät investoi dokumenttien automatisointiin, voivat juuttua vanhoihin prosesseihin, jotka ovat manuaalisia, hitaita, virhealttiita ja vaikeasti skaalautuvia.
Tässä viestissä ehdotamme ratkaisua, joka automatisoi aiemmin käyttämättömien PDF-tiedostojen ja käsinkirjoitettujen kliinisten muistiinpanojen ja tietojen käsittelyn ja muuntamisen. Selitämme, kuinka poimitaan tietoa asiakkaiden kliinisistä datakaavioista Amazonin teksti, käytä sitten raakaa purettua tekstiä erillisten tietoelementtien tunnistamiseen käyttämällä Amazon ymmärtää lääketieteen. Tallennamme lopullisen tulosteen Fast Healthcare Interoperability Resources (FHIR) -yhteensopivassa muodossa Amazon HealthLake, jolloin se on käytettävissä loppupään analytiikkaa varten.
Ratkaisun yleiskatsaus
AWS tarjoaa erilaisia palveluita ja ratkaisuja terveydenhuollon tarjoajille, jotta he voivat vapauttaa datansa arvon. Ratkaisuamme varten käsittelemme pienen näytteen asiakirjoista Amazon Textractin kautta ja lataamme puretut tiedot sopivina FHIR-resursseina Amazon HealthLakeen. Luomme mukautetun prosessin FHIR-muunnokselle ja testaamme sen loppuun asti.
Tiedot ladataan ensin DocumentReference
. Amazon HealthLake luo sitten järjestelmän luomia resursseja käsiteltyään tämän jäsentelemättömän tekstin DocumentReference
ja lataa sen sisään Condition
, MedicationStatement
ja Observation
resursseja. Tunnistamme muutamia tietokenttiä FHIR-resursseista, kuten potilastunnuksen, palvelun päivämäärän, palveluntarjoajan tyypin ja hoitolaitoksen nimen.
A MedicationStatement
on tietue lääkkeestä, jota potilas on käyttänyt. Se voi viitata siihen, että potilas käyttää lääkitystä nyt, on ottanut lääkkeitä aiemmin tai aikoo ottaa lääkitystä tulevaisuudessa. Yleinen skenaario, jossa nämä tiedot kerätään, on historian keräämisprosessi potilaan käynnin tai oleskelun aikana. Lääkitystietojen lähde voi olla potilaan muisti, reseptipullo tai potilaan, lääkärin tai muun osapuolen ylläpitämä lääkeluettelo.
Observations
ovat keskeinen osa terveydenhuoltoa, ja niitä käytetään diagnoosin tukemiseen, edistymisen seurantaan, lähtökohtien ja mallien määrittämiseen ja jopa demografisten ominaisuuksien kuvaamiseen. Useimmat havainnot ovat yksinkertaisia nimi/arvo-pariväitteitä joidenkin metatietojen kera, mutta jotkut havainnot ryhmittelevät muut havainnot loogisesti yhteen tai voivat olla jopa monikomponenttisia havaintoja.
- Condition
Resurssia käytetään tallentamaan yksityiskohtaisia tietoja tilasta, ongelmasta, diagnoosista tai muusta tapahtumasta, tilanteesta, ongelmasta tai kliinisestä konseptista, joka on noussut huolestuttavalle tasolle. Ehto voi olla ajankohtainen diagnoosi kohtaamisen yhteydessä, lääkärin ongelmaluettelossa oleva kohta tai huolenaihe, jota ei ole lääkärin ongelmaluettelossa.
Seuraava kaavio esittää työnkulkua strukturoimattoman datan siirtämiseksi FHIR:iin tekoälyä ja koneoppimisanalyysiä varten Amazon HealthLakessa.
Työnkulun vaiheet ovat seuraavat:
- Asiakirja ladataan osoitteeseen Amazonin yksinkertainen tallennuspalvelu (Amazon S3)-kauha.
- Asiakirjan lataaminen Amazon S3:ssa käynnistää AWS Lambda toiminto.
- Lambda-toiminto lähettää kuvan Amazon Textractiin.
- Amazon Textract poimii tekstin kuvasta ja tallentaa tulosteen erilliseen Amazon Textract -lähtö S3 -ämpäriin.
- Lopputulos tallennetaan tiettyihin FHIR-resursseihin (purettu teksti ladataan
DocumentReference
base64-koodattuna tekstinä) Amazon HealthLake -sovelluksessa poimimaan merkityksen jäsentämättömästä tiedosta integroidun Amazon Comprehend Medicalin avulla helppoa hakua ja kyselyä varten. - Käyttäjät voivat luoda merkityksellisiä analyyseja ja suorittaa interaktiivista analytiikkaa käyttämällä Amazon Athena.
- Käyttäjät voivat luoda visualisointeja, tehdä ad hoc -analyysejä ja saada nopeasti liiketoimintatietoja käyttämällä Amazon QuickSight.
- Käyttäjät voivat tehdä ennusteita terveystietojen avulla Amazon Sage Maker ML mallit.
Edellytykset
Tämä viesti olettaa seuraavien palvelujen tuntemista:
Oletuksena Amazon HealthLaken integroitu Amazon Comprehend Medical luonnollisen kielen käsittelytoiminto (NLP) on poistettu käytöstä AWS-tililläsi. Ota se käyttöön lähettämällä tukitapaus, jossa on tilitunnus, AWS-alue ja Amazon HealthLake -tietokauppa ARN. Lisätietoja on kohdassa Kuinka voin ottaa käyttöön HealthLaken integroidun luonnollisen kielen käsittelyominaisuuden.
Viittaavat GitHub repo lisätietoja käyttöönotosta.
Ota käyttöön ratkaisuarkkitehtuuri
Määritä ratkaisu suorittamalla seuraavat vaiheet:
- Kloonaa GitHub repo, juosta
cdk deploy PdfMapperToFhirWorkflow
komentokehotteesta tai terminaalista ja seuraa README-tiedostoa. Käyttöönotto valmistuu noin 30 minuutissa. - Siirry Amazon S3 -konsolissa ämpäriin alkaen
pdfmappertofhirworkflow
-, joka luotiin osanacdk deploy
. - Luo ämpäriin kansio nimeltä uploads ja lataa PDF-näyte (SampleMedicalRecord.pdf).
Heti kun asiakirjan lataus onnistuu, se käynnistää liukuhihnan ja voit alkaa nähdä tietoja Amazon HealthLakessa, josta voit tehdä kyselyjä useilla AWS-työkaluilla.
Kysy tiedoista
Voit tutkia tietojasi suorittamalla seuraavat vaiheet:
- Etsi CloudWatch-konsolista
HealthlakeTextract
lokiryhmä. - Merkitse lokiryhmän tiedoissa muistiin käsittelemäsi asiakirjan yksilöllinen tunnus.
- Valitse Amazon HealthLake -konsolissa Tietovarastot navigointipaneelissa.
- Valitse tietovarasto ja valitse Suorita kysely.
- varten Kyselyn tyyppi, valitse Hae GET:llä.
- varten Resurssin tyyppi, valitse Asiakirjan viite.
- varten Hakuparametrit, syötä parametri, joka liittyy kohtaan, ja arvo muodossa
DocumentReference/
Uniikki tunniste. - Valita Suorita kysely.
- In Vastausrunko -osiossa, pienennä resurssiosat nähdäksesi vain kuusi resurssia, jotka on luotu kuusisivuiselle PDF-dokumentille.
- Seuraavassa kuvakaappauksessa näkyy integroitu analyysi Amazon Comprehend Medicalin ja NLP:n kanssa. Vasemmalla oleva kuvakaappaus on lähde-PDF; oikealla oleva kuvakaappaus on Amazon HealthLaken NLP-tulos.
- Voit myös suorittaa kyselyn komennolla Kyselyn tyyppi asettaa Lue ja Resurssin tyyppi asettaa Kunto käyttämällä asianmukaista resurssitunnusta.
Seuraava kuvakaappaus näyttää kyselyn tulokset. - Suorita seuraava kysely Athena-konsolissa:
Vastaavasti voit tiedustella MedicationStatement
, Condition
ja Observation
resursseja.
Puhdistaa
Kun olet lopettanut tämän ratkaisun käytön, suorita cdk destroy PdfMapperToFhirWorkflow
varmistaaksesi, ettei sinulle aiheudu lisäkuluja. Lisätietoja on kohdassa AWS CDK Toolkit (cdk-komento).
Yhteenveto
AWS AI -palvelut ja Amazon HealthLake voivat auttaa tallentamaan, muuntamaan, kyselemään ja analysoimaan näkemyksiä jäsentämättömästä terveydenhuoltotiedosta. Vaikka tämä viesti kattoi vain PDF-kliinisen kaavion, voit laajentaa ratkaisun muihin terveydenhuollon PDF-tiedostoihin, kuviin ja käsinkirjoitettuihin muistiinpanoihin. Kun tiedot on purettu tekstimuotoon, jäsennetty erillisiksi tietoelementeiksi Amazon Comprehend Medicalin avulla ja tallennettu Amazon HealthLakeen, sitä voitaisiin rikastaa edelleen myöhemmillä järjestelmillä, jotka ohjaavat mielekkäitä ja käyttökelpoisia terveydenhuoltotietoja ja parantavat viime kädessä potilaiden terveystuloksia.
Ehdotettu ratkaisu ei vaadi palvelininfrastruktuurin käyttöönottoa ja ylläpitoa. Kaikki palvelut ovat joko AWS:n hallinnoimia tai palvelimettomia. AWS:n jako-jako-laskutusmallin ja sen palveluiden syvyyden ja laajuuden ansiosta alkuasennuksen ja kokeilun kustannukset ja vaiva ovat huomattavasti alhaisemmat kuin perinteiset paikalliset vaihtoehdot.
Lisäresurssit
Lisätietoja Amazon HealthLakesta on seuraavassa osoitteessa:
Tietoja Tekijät
Shravan Vurputoor on AWS:n vanhempi ratkaisuarkkitehti. Luotettavana asiakasasianajajana hän auttaa organisaatioita ymmärtämään kehittyneiden pilvipohjaisten arkkitehtuurien parhaat käytännöt ja neuvoo strategioita, jotka auttavat saavuttamaan menestyviä liiketoimintatuloksia laajalle yritysasiakkaalle intohimonsa kouluttamiseen, kouluttamiseen, suunnitteluun ja rakentamiseen. ratkaisuja. Vapaa-ajallaan hän nauttii lukemisesta, perheen kanssa viettämisestä ja ruoanlaitosta.
Rafael M. Koike on AWS:n pääratkaisuarkkitehti, joka tukee yritysasiakkaita kaakkoisosissa, ja on osa Storage and Security Technical Field Communityä. Rafaelilla on intohimo rakentaa, ja hänen tietoturva-, tallennus-, verkko- ja sovelluskehitysosaamisensa on auttanut asiakkaita siirtymään pilveen turvallisesti ja nopeasti.
Randheer Gehlot on AWS:n asiakasratkaisupäällikkö. Randheer on intohimoinen AI/ML:stä ja sen soveltamisesta HCLS-teollisuudessa. AWS-rakentajana hän työskentelee suurten yritysten kanssa suunnitellakseen ja toteuttaakseen nopeasti strategisia migraatioita pilveen ja rakentaakseen moderneja, pilvipohjaisia ratkaisuja.
- SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
- PlatoAiStream. Web3 Data Intelligence. Tietoa laajennettu. Pääsy tästä.
- Tulevaisuuden lyöminen Adryenn Ashley. Pääsy tästä.
- Osta ja myy osakkeita PRE-IPO-yhtiöissä PREIPO®:lla. Pääsy tästä.
- Lähde: https://aws.amazon.com/blogs/machine-learning/transform-analyze-and-discover-insights-from-unstructured-healthcare-data-using-amazon-healthlake/
- :on
- :On
- :missä
- $ YLÖS
- 30
- 7
- a
- Meistä
- Tili
- poikki
- Ad
- lisä-
- kehittynyt
- neuvot
- puolestapuhuja
- Jälkeen
- AI
- Tekoälyn palvelut
- AI / ML
- Kaikki
- Myös
- vaihtoehdot
- Vaikka
- Amazon
- Amazonin käsitys
- Amazon ymmärtää lääketieteen
- Amazon HealthLake
- Amazonin teksti
- an
- analyysit
- analyysi
- Analytics
- analysoida
- ja
- Hakemus
- Application Development
- sopiva
- suunnilleen
- OVAT
- noin
- AS
- At
- automaatti
- Automaatio
- saatavissa
- AWS
- BE
- ollut
- ovat
- PARAS
- parhaat käytännöt
- laskutus
- leveys
- laaja
- rakentaa
- rakentaja
- Rakentaminen
- liiketoiminta
- mutta
- by
- nimeltään
- CAN
- kaapata
- tapaus
- keskeinen
- ominaisuudet
- maksut
- Kaavio
- Kaaviot
- Valita
- Kliininen
- pilvi
- koodi
- Yhteinen
- yhteisö
- yhteensopiva
- täydellinen
- monimutkainen
- ymmärtää
- käsite
- Koskea
- ehto
- harkittu
- Console
- kulutetaan
- tausta
- Muuntaminen
- Hinta
- voisi
- Kurssi
- katettu
- luoda
- luotu
- luo
- asiakassuhde
- asiakas
- Asiakasratkaisut
- Asiakkaat
- tiedot
- Päivämäärä
- oletusarvo
- demografiset
- sijoittaa
- käyttöönotto
- syvyys
- Malli
- suunnittelu
- tuhota
- yksityiskohtainen
- yksityiskohdat
- Määrittää
- Kehitys
- vaikea
- vammaiset
- löytää
- do
- asiakirja
- Asiakirjojen automaatio
- asiakirjat
- ei
- tehty
- Dont
- alas
- ajaa
- aikana
- Itään
- helppo
- valistaa
- tehokkaasti
- vaivaa
- myöskään
- elementti
- elementtejä
- sähköpostit
- mahdollistaa
- käytössä
- loppu
- rikastettu
- varmistaa
- enter
- yritys
- yrityksille
- virhe
- arvioidaan
- Jopa
- tapahtuma
- olla
- olemassa
- asiantuntemus
- Selittää
- tutkia
- laajentaa
- uute
- otteet
- Laitos
- perehtyneisyys
- perhe
- FAST
- harvat
- ala
- Fields
- filee
- lopullinen
- Etunimi
- seurata
- jälkeen
- seuraa
- varten
- muoto
- muoto
- alkaen
- toiminto
- edelleen
- tulevaisuutta
- sukupolvi
- saada
- saada
- Ryhmä
- he
- terveys
- terveydenhuollon
- auttaa
- auttaa
- auttaa
- hänen
- Miten
- Miten
- HTML
- http
- HTTPS
- i
- ID
- tunnistaa
- kuva
- kuvien
- toteuttaa
- parantaa
- in
- osoittaa
- teollisuus
- tiedot
- Infrastruktuuri
- ensimmäinen
- oivalluksia
- instrumentaalinen
- integroitu
- vuorovaikutteinen
- Interoperability
- tulee
- investoimalla
- kysymys
- IT
- SEN
- jpg
- vain
- Kieli
- suuri
- Suuret yritykset
- oppiminen
- vasemmalle
- Perintö
- Taso
- pitää
- rajat
- Lista
- kuormitus
- kuormat
- lukittu
- log
- alentaa
- kone
- koneoppiminen
- ylläpitää
- huolto
- tehdä
- Tekeminen
- onnistui
- johtaja
- manuaalinen
- Saattaa..
- merkitys
- mielekäs
- välineet
- lääketieteellinen
- Muisti
- Metadata
- vaeltaa
- minuuttia
- ML
- malli
- mallit
- Moderni
- monitori
- lisää
- eniten
- liikkua
- nimi
- Luonnollinen
- Luonnollinen kielen käsittely
- Navigoida
- suunnistus
- verkostoituminen
- NLP
- Huomautuksia
- nyt
- of
- on
- vain
- or
- organisaatioiden
- Muut
- meidän
- tuloksiin
- ulostulo
- lasi
- parametri
- osa
- puolue
- intohimo
- intohimoinen
- Ohi
- potilas
- kuviot
- Suorittaa
- putki
- Platon
- Platonin tietotieto
- PlatonData
- Kirje
- käytännöt
- Ennusteet
- resepti
- aiemmin
- Pääasiallinen
- Ongelma
- prosessi
- Käsitelty
- Prosessit
- käsittely
- Edistyminen
- ehdottaa
- ehdotettu
- toimittaja
- tarjoajat
- tarjoaa
- nopeasti
- Rafael
- nopea
- nopeasti
- hinta
- raaka
- Lukeminen
- ennätys
- alue
- edellyttää
- resurssi
- Esittelymateriaalit
- johtua
- tulokset
- Risen
- Riski
- ajaa
- Asteikko
- skenaario
- Haku
- Osa
- osiot
- turvallisesti
- turvallisuus
- koska
- lähettää
- vanhempi
- erillinen
- palvella
- serverless
- palvelu
- Palvelut
- setti
- setup
- useat
- Näytä
- merkittävästi
- Yksinkertainen
- tilanne
- SIX
- hidas
- pieni
- ratkaisu
- Ratkaisumme
- jonkin verran
- lähde
- Etelä
- erityinen
- menot
- Alkaa
- Aloita
- pysyä
- Askeleet
- Levytila
- verkkokaupasta
- tallennettu
- varastot
- Strateginen
- strategiat
- antaa
- onnistunut
- tuki
- Tukea
- järjestelmät
- ottaen
- Tekninen
- terminaali
- testi
- kuin
- että
- -
- Tulevaisuus
- Lähde
- heidän
- sitten
- tätä
- Kautta
- aika
- että
- yhdessä
- työkalupakki
- työkalut
- perinteinen
- koulutus
- Muuttaa
- Muutos
- laukaista
- luotettu
- VUORO
- tyyppi
- tyypit
- Lopulta
- ymmärtää
- unique
- avata
- hyödyntämätön
- ladattu
- käyttää
- käytetty
- käyttämällä
- arvo
- lajike
- eri
- Näytä
- Vierailla
- oli
- we
- olivat
- joka
- tulee
- with
- sisällä
- toimii
- Voit
- Sinun
- zephyrnet