I dati sanitari sono complessi e isolati ed esistono in vari formati. Si stima che l'80% dei dati all'interno delle organizzazioni sia considerato dati non strutturati o "oscuri" bloccati all'interno di testo, e-mail, PDF e documenti scansionati. Questi dati sono difficili da interpretare o analizzare a livello di programmazione e limitano il modo in cui le organizzazioni possono ricavarne informazioni e servire i propri clienti in modo più efficace. Il rapido tasso di generazione dei dati significa che le organizzazioni che non stanno investendo nell'automazione dei documenti rischiano di rimanere bloccate con processi legacy che sono manuali, lenti, soggetti a errori e difficili da scalare.
In questo post, proponiamo una soluzione che automatizza l'inserimento e la trasformazione di PDF precedentemente non sfruttati e note e dati clinici scritti a mano. Spieghiamo come estrarre informazioni dai grafici dei dati clinici dei clienti utilizzando Testo Amazon, quindi utilizzare il testo estratto non elaborato per identificare gli elementi di dati discreti utilizzando Amazon comprende medica. Archiviamo l'output finale in un formato compatibile con Fast Healthcare Interoperability Resources (FHIR) in Amazon Health Lake, rendendolo disponibile per l'analisi a valle.
Panoramica della soluzione
AWS fornisce una varietà di servizi e soluzioni per gli operatori sanitari per sbloccare il valore dei loro dati. Per la nostra soluzione, elaboriamo un piccolo campione di documenti tramite Amazon Textract e carichiamo i dati estratti come risorse FHIR appropriate in Amazon HealthLake. Creiamo un processo personalizzato per la conversione FHIR e lo testiamo dall'inizio alla fine.
I dati vengono prima caricati in DocumentReference
. Amazon HealthLake crea quindi risorse generate dal sistema dopo aver elaborato questo testo non strutturato DocumentReference
e lo carica in Condition
, MedicationStatement
e Observation
risorse. Identifichiamo alcuni campi di dati all'interno delle risorse FHIR come ID paziente, data del servizio, tipo di fornitore e nome della struttura medica.
A MedicationStatement
è una registrazione di un farmaco che viene consumato da un paziente. Può indicare che il paziente sta assumendo il farmaco ora, ha assunto il farmaco in passato o lo assumerà in futuro. Uno scenario comune in cui queste informazioni vengono acquisite è durante il processo di raccolta dell'anamnesi nel corso di una visita o degenza del paziente. La fonte delle informazioni sui farmaci potrebbe essere la memoria del paziente, una bottiglia di prescrizione o da un elenco di farmaci che il paziente, il medico o un'altra parte mantiene.
Observations
sono un elemento centrale nell'assistenza sanitaria, utilizzati per supportare la diagnosi, monitorare i progressi, determinare linee di base e modelli e persino acquisire caratteristiche demografiche. La maggior parte delle osservazioni sono semplici asserzioni di coppie nome/valore con alcuni metadati, ma alcune osservazioni raggruppano insieme altre osservazioni in modo logico o potrebbero anche essere osservazioni multicomponente.
I Condition
La risorsa viene utilizzata per registrare informazioni dettagliate su una condizione, un problema, una diagnosi o un altro evento, situazione, problema o concetto clinico che è salito a un livello di preoccupazione. La condizione potrebbe essere una diagnosi puntuale nel contesto di un incontro, un elemento nell'elenco dei problemi del professionista o una preoccupazione che non esiste nell'elenco dei problemi del professionista.
Il diagramma seguente mostra il flusso di lavoro per la migrazione dei dati non strutturati in FHIR per l'analisi di AI e machine learning (ML) in Amazon HealthLake.
I passaggi del flusso di lavoro sono i seguenti:
- Un documento viene caricato in un file Servizio di archiviazione semplice Amazon (Amazon S3) secchio.
- Il caricamento del documento in Amazon S3 attiva un file AWS Lambda funzione.
- La funzione Lambda invia l'immagine ad Amazon Textract.
- Amazon Textract estrae il testo dall'immagine e archivia l'output in un bucket S3 di output Amazon Textract separato.
- Il risultato finale viene memorizzato come risorse FHIR specifiche (il testo estratto viene caricato in
DocumentReference
come testo codificato base64) in Amazon HealthLake per estrarre il significato dai dati non strutturati con Amazon Comprehend Medical integrato per facilitare la ricerca e l'interrogazione. - Gli utenti possono creare analisi significative ed eseguire analisi interattive utilizzando Amazzone Atena.
- Gli utenti possono creare visualizzazioni, eseguire analisi ad hoc e ottenere rapidamente approfondimenti aziendali utilizzando Amazon QuickSight.
- Gli utenti possono fare previsioni con i dati sulla salute utilizzando Amazon Sage Maker Modelli ML.
Prerequisiti
Questo post presuppone la familiarità con i seguenti servizi:
Per impostazione predefinita, la funzionalità integrata di elaborazione del linguaggio naturale (NLP) di Amazon Comprehend Medical in Amazon HealthLake è disabilitata nel tuo account AWS. Per abilitarlo, invia una richiesta di supporto con l'ID account, la regione AWS e l'ARN del data store di Amazon HealthLake. Per ulteriori informazioni, fare riferimento a Come si attiva la funzione di elaborazione del linguaggio naturale integrata di HealthLake.
Fare riferimento a Repository GitHub per ulteriori dettagli sulla distribuzione.
Distribuire l'architettura della soluzione
Per configurare la soluzione, completare i seguenti passaggi:
- Clona il file Repository GitHub, correre
cdk deploy PdfMapperToFhirWorkflow
dal prompt dei comandi o dal terminale e segui il file README. La distribuzione verrà completata in circa 30 minuti. - Sulla console Amazon S3, vai al bucket che inizia con
pdfmappertofhirworkflow
-, che è stato creato come parte dicdk deploy
. - All'interno del bucket, crea una cartella denominata uploads e carica il PDF di esempio (Esempio di record medico.pdf).
Non appena il caricamento del documento ha esito positivo, attiverà la pipeline e potrai iniziare a visualizzare i dati in Amazon HealthLake, che puoi interrogare utilizzando diversi strumenti AWS.
Interroga i dati
Per esplorare i tuoi dati, completa i seguenti passaggi:
- Nella console CloudWatch, cerca il file
HealthlakeTextract
gruppo di registro. - Nei dettagli del gruppo di log, annota l'ID univoco del documento che hai elaborato.
- Nella console di Amazon HealthLake, scegli Archivi di dati nel pannello di navigazione.
- Seleziona il tuo archivio dati e scegli Esegui query.
- Nel Tipo di queryscegli Cerca con GET.
- Nel Tipo di risorsascegli Riferimento documento.
- Nel Parametri di ricerca, inserire il parametro come relativo a e il valore come
DocumentReference/
ID univoco. - Scegli Esegui query.
- Nel Corpo di risposta sezione, ridurre a icona le sezioni delle risorse per visualizzare solo le sei risorse create per il documento PDF di sei pagine.
- Lo screenshot seguente mostra l'analisi integrata con Amazon Comprehend Medical e NLP abilitati. Lo screenshot a sinistra è il PDF sorgente; lo screenshot a destra è il risultato della PNL di Amazon HealthLake.
- Puoi anche eseguire una query con Tipo di query impostato come Leggi ed Tipo di risorsa impostato come Condizione utilizzando l'ID risorsa appropriato.
La schermata seguente mostra i risultati della query. - Sulla console Athena, esegui la seguente query:
Allo stesso modo, puoi interrogare MedicationStatement
, Condition
e Observation
risorse.
ripulire
Dopo aver finito di utilizzare questa soluzione, esegui cdk destroy PdfMapperToFhirWorkflow
per assicurarti di non incorrere in costi aggiuntivi. Per ulteriori informazioni, fare riferimento a Kit di strumenti AWS CDK (comando cdk).
Conclusione
I servizi AWS AI e Amazon HealthLake possono aiutare ad archiviare, trasformare, interrogare e analizzare gli insight da dati sanitari non strutturati. Sebbene questo post coprisse solo una cartella clinica PDF, potresti estendere la soluzione ad altri tipi di PDF sanitari, immagini e note scritte a mano. Dopo che i dati sono stati estratti in forma di testo, analizzati in elementi di dati discreti utilizzando Amazon Comprehend Medical e archiviati in Amazon HealthLake, potrebbero essere ulteriormente arricchiti da sistemi a valle per fornire informazioni sanitarie significative e fruibili e, in ultima analisi, migliorare i risultati sulla salute dei pazienti.
La soluzione proposta non richiede l'implementazione e la manutenzione dell'infrastruttura server. Tutti i servizi sono gestiti da AWS o senza server. Con il modello di fatturazione pay-as-you-go di AWS e la sua ampiezza e ampiezza di servizi, il costo e lo sforzo della configurazione iniziale e della sperimentazione sono significativamente inferiori rispetto alle tradizionali alternative locali.
Risorse addizionali
Per ulteriori informazioni su Amazon HealthLake, fare riferimento a quanto segue:
Informazioni sugli autori
Shravan Vurputor è Senior Solutions Architect presso AWS. In qualità di fidato sostenitore dei clienti, aiuta le organizzazioni a comprendere le best practice relative alle architetture avanzate basate su cloud e fornisce consigli sulle strategie per contribuire a ottenere risultati aziendali di successo in un'ampia gamma di clienti aziendali attraverso la sua passione per l'istruzione, la formazione, la progettazione e la creazione di cloud soluzioni. Nel tempo libero ama leggere, passare il tempo con la sua famiglia e cucinare.
Rafael M.Koike è Principal Solutions Architect presso AWS a supporto dei clienti Enterprise nel sud-est e fa parte della community tecnica di storage e sicurezza. Rafael ha una passione per la creazione e la sua esperienza in sicurezza, archiviazione, rete e sviluppo di applicazioni è stata fondamentale per aiutare i clienti a passare al cloud in modo sicuro e veloce.
Randheer Gehlot è Principal Customer Solutions Manager presso AWS. Randheer è appassionato di AI/ML e della sua applicazione nel settore HCLS. In qualità di builder AWS, collabora con grandi aziende per progettare e implementare rapidamente migrazioni strategiche al cloud e creare soluzioni moderne e native per il cloud.
- Distribuzione di contenuti basati su SEO e PR. Ricevi amplificazione oggi.
- PlatoAiStream. Intelligenza dei dati Web3. Conoscenza amplificata. Accedi qui.
- Coniare il futuro con Adryenn Ashley. Accedi qui.
- Acquista e vendi azioni in società PRE-IPO con PREIPO®. Accedi qui.
- Fonte: https://aws.amazon.com/blogs/machine-learning/transform-analyze-and-discover-insights-from-unstructured-healthcare-data-using-amazon-healthlake/
- :ha
- :È
- :Dove
- $ SU
- 30
- 7
- a
- Chi siamo
- Il mio account
- operanti in
- Ad
- aggiuntivo
- Avanzate
- consigli
- avvocato
- Dopo shavasana, sedersi in silenzio; saluti;
- AI
- Servizi di intelligenza artificiale
- AI / ML
- Tutti
- anche
- alternative
- Sebbene il
- Amazon
- Amazon Comprehend
- Amazon comprende medica
- Amazon Health Lake
- Testo Amazon
- an
- Analisi
- .
- analitica
- analizzare
- ed
- Applicazioni
- Sviluppo di applicazioni
- opportuno
- circa
- SONO
- in giro
- AS
- At
- automatizza
- Automazione
- disponibile
- AWS
- BE
- stato
- essendo
- MIGLIORE
- best practice
- fatturazione
- ampiezza
- ampio
- costruire
- costruttore
- Costruzione
- affari
- ma
- by
- detto
- Materiale
- catturare
- Custodie
- centrale
- caratteristiche
- oneri
- Grafico
- Grafici
- Scegli
- Info su
- Cloud
- codice
- Uncommon
- comunità
- compatibile
- completamento di una
- complesso
- comprendere
- concetto
- Problemi della Pelle
- condizione
- considerato
- consolle
- consumato
- contesto
- Conversione
- Costo
- potuto
- Portata
- coperto
- creare
- creato
- crea
- costume
- cliente
- Soluzioni per i clienti
- Clienti
- dati
- Data
- Predefinito
- demografico
- schierare
- deployment
- profondità
- Design
- progettazione
- distruggere
- dettagliati
- dettagli
- Determinare
- Mercato
- difficile
- disabile
- scopri
- do
- documento
- Automazione dei documenti
- documenti
- non
- fatto
- Dont
- giù
- guidare
- durante
- est
- facile
- educare
- in maniera efficace
- sforzo
- o
- elemento
- elementi
- enable
- abilitato
- fine
- arricchito
- garantire
- entrare
- Impresa
- aziende
- errore
- stimato
- Anche
- Evento
- esistere
- esiste
- competenza
- Spiegare
- esplora
- estendere
- estratto
- estratti
- Facility
- Familiarità
- famiglia
- FAST
- pochi
- campo
- campi
- Compila il
- finale
- Nome
- seguire
- i seguenti
- segue
- Nel
- modulo
- formato
- da
- function
- ulteriormente
- futuro
- ELETTRICA
- ottenere
- ottenere
- Gruppo
- he
- Salute e benessere
- assistenza sanitaria
- Aiuto
- aiutare
- aiuta
- il suo
- Come
- Tutorial
- HTML
- http
- HTTPS
- i
- ID
- identificare
- Immagine
- immagini
- realizzare
- competenze
- in
- indicare
- industria
- informazioni
- Infrastruttura
- inizialmente
- intuizioni
- strumentale
- integrato
- interattivo
- Interoperabilità
- ai miglioramenti
- investire
- problema
- IT
- SUO
- jpg
- ad appena
- Lingua
- grandi
- Grandi imprese
- apprendimento
- a sinistra
- Eredità
- Livello
- piace
- limiti
- Lista
- caricare
- carichi
- bloccato
- ceppo
- inferiore
- macchina
- machine learning
- mantiene
- manutenzione
- make
- Fare
- gestito
- direttore
- Manuale
- Maggio..
- significato
- significativo
- si intende
- medicale
- Memorie
- Metadati
- migrare
- Minuti
- ML
- modello
- modelli
- moderno
- Monitorare
- Scopri di più
- maggior parte
- cambiano
- Nome
- Naturale
- Elaborazione del linguaggio naturale
- Navigare
- Navigazione
- internazionale
- nlp
- Note
- adesso
- of
- on
- esclusivamente
- or
- organizzazioni
- Altro
- nostro
- risultati
- produzione
- vetro
- parametro
- parte
- partito
- passione
- appassionato
- passato
- paziente
- modelli
- Eseguire
- conduttura
- Platone
- Platone Data Intelligence
- PlatoneDati
- Post
- pratiche
- Previsioni
- prescrizione
- in precedenza
- Direttore
- Problema
- processi
- Elaborato
- i processi
- lavorazione
- Progressi
- offre
- proposto
- fornitore
- fornitori
- fornisce
- rapidamente
- Rafael
- veloce
- rapidamente
- tasso
- Crudo
- Lettura
- record
- regione
- richiedere
- risorsa
- Risorse
- colpevole
- Risultati
- Aumentato
- Rischio
- Correre
- Scala
- scenario
- Cerca
- Sezione
- sezioni
- in modo sicuro
- problemi di
- vedendo
- invia
- anziano
- separato
- servire
- serverless
- servizio
- Servizi
- set
- flessibile.
- alcuni
- Spettacoli
- significativamente
- Un'espansione
- situazione
- SIX
- rallentare
- piccole
- soluzione
- Soluzioni
- alcuni
- Fonte
- Sud
- specifico
- Spendere
- inizia a
- Di partenza
- soggiorno
- Passi
- conservazione
- Tornare al suo account
- memorizzati
- negozi
- Strategico
- strategie
- inviare
- di successo
- supporto
- Supporto
- SISTEMI DI TRATTAMENTO
- presa
- Consulenza
- terminal
- test
- di
- che
- I
- Il futuro
- L’ORIGINE
- loro
- poi
- questo
- Attraverso
- tempo
- a
- insieme
- toolkit
- strumenti
- tradizionale
- Training
- Trasformare
- Trasformazione
- innescare
- di fiducia
- TURNO
- Digitare
- Tipi di
- in definitiva
- capire
- unico
- sbloccare
- non sfruttato
- caricato
- uso
- utilizzato
- utilizzando
- APPREZZIAMO
- varietà
- vario
- Visualizza
- Visita
- Prima
- we
- sono stati
- quale
- volere
- con
- entro
- lavori
- Tu
- Trasferimento da aeroporto a Sharm
- zefiro