医療データは複雑かつサイロ化されており、さまざまな形式で存在します。 組織内のデータの推定 80% は、テキスト、電子メール、PDF、スキャンされた文書内に閉じ込められた非構造化データまたは「ダーク」データであると考えられています。 このデータはプログラムで解釈または分析することが難しく、組織がデータから洞察を導き出し、より効果的に顧客にサービスを提供する方法が制限されます。 データ生成の速度が速いということは、ドキュメントの自動化に投資していない組織は、手動で時間がかかり、エラーが発生しやすく、拡張が難しい従来のプロセスに行き詰まるリスクがあることを意味します。
この投稿では、これまで利用されていなかった PDF や手書きの臨床ノートやデータの取り込みと変換を自動化するソリューションを提案します。 を使用して顧客の臨床データ チャートから情報を抽出する方法について説明します。 アマゾンテキストラック次に、抽出された生のテキストを使用して、次のように離散データ要素を識別します。 アマゾンコンプリヘンドメディカル。 最終出力は、Fast Healthcare Interoperability Resources (FHIR) 互換形式で次の場所に保存されます。 アマゾン・ヘルスレイク、下流の分析に利用できるようになります。
ソリューションの概要
AWS は、医療提供者がデータの価値を最大限に引き出すためのさまざまなサービスとソリューションを提供します。 私たちのソリューションでは、Amazon Textract を通じてドキュメントの小さなサンプルを処理し、抽出されたデータを Amazon HealthLake の適切な FHIR リソースとしてロードします。 FHIR 変換用のカスタム プロセスを作成し、エンドツーエンドでテストします。
データは最初にロードされます DocumentReference
。 Amazon HealthLake は、この非構造化テキストを処理した後、システム生成リソースを作成します。 DocumentReference
そしてそれをロードします Condition
, MedicationStatement
, Observation
リソース。 FHIR リソース内のいくつかのデータ フィールド(患者 ID、サービスの日付、医療提供者の種類、医療施設の名前など)を特定します。
A MedicationStatement
患者が服用している薬の記録です。 それは、患者が現在薬を服用していること、過去に薬を服用していること、または将来薬を服用することを示している可能性があります。 この情報が収集される一般的なシナリオは、患者の訪問または入院の過程での病歴取得プロセス中です。 薬剤情報のソースは、患者の記憶、処方箋ボトル、または患者、臨床医、またはその他の関係者が保管している薬剤のリストである可能性があります。
Observations
はヘルスケアの中心的な要素であり、診断のサポート、進行状況の監視、ベースラインとパターンの決定、さらには人口統計学的特徴の把握にも使用されます。 ほとんどの観測は、いくつかのメタデータを含む単純な名前と値のペアのアサーションですが、一部の観測は他の観測を論理的にグループ化したり、複数コンポーネントの観測になる場合もあります。
Condition
リソースは、懸念レベルに達した状態、問題、診断、またはその他のイベント、状況、問題、または臨床概念に関する詳細情報を記録するために使用されます。 この状態は、遭遇に関連した特定時点の診断、医師の問題リストの項目、または医師の問題リストに存在しない懸念である可能性があります。
次の図は、Amazon HealthLake での AI および機械学習 (ML) 分析のために非構造化データを FHIR に移行するワークフローを示しています。
ワークフローの手順は次のとおりです。
- ドキュメントがアップロードされる Amazon シンプル ストレージ サービス (Amazon S3)バケット。
- Amazon S3 でのドキュメントのアップロードにより、 AWSラムダ 機能。
- Lambda 関数は画像を Amazon Textract に送信します。
- Amazon Textract は画像からテキストを抽出し、その出力を別の Amazon Textract 出力 S3 バケットに保存します。
- 最終結果は特定の FHIR リソースとして保存されます (抽出されたテキストは
DocumentReference
Base64 エンコードテキストとして) Amazon HealthLake で統合され、統合された Amazon Comprehend Medical を使用して非構造化データから意味を抽出し、簡単な検索とクエリを実現します。 - ユーザーは、有意義な分析を作成し、以下を使用して対話型分析を実行できます。 アマゾンアテナ.
- ユーザーは、視覚化を構築し、アドホック分析を実行し、ビジネスに関する洞察を迅速に得ることができます。 アマゾンクイックサイト.
- ユーザーは、次を使用して健康データを使用して予測を行うことができます。 アマゾンセージメーカー MLモデル。
前提条件
この投稿は、次のサービスに精通していることを前提としています。
デフォルトでは、Amazon HealthLake 内に統合された Amazon Comprehend Medical 自然言語処理 (NLP) 機能は AWS アカウントで無効になっています。 これを有効にするには、アカウント ID、AWS リージョン、Amazon HealthLake データストア ARN を使用してサポートケースを送信します。 詳細については、以下を参照してください。 HealthLake の統合自然言語処理機能を有効にするにはどうすればよいですか.
Job Status ページの下部にある GitHubレポ 導入の詳細については、こちらをご覧ください。
ソリューション アーキテクチャを導入する
ソリューションを設定するには、次の手順を実行します。
- クローン GitHubレポ走る
cdk deploy PdfMapperToFhirWorkflow
コマンド プロンプトまたはターミナルから README ファイルに従ってください。 導入は約 30 分で完了します。 - Amazon S3 コンソールで、次で始まるバケットに移動します。
pdfmappertofhirworkflow
- の一部として作成されました。cdk deploy
. - バケット内に、uploads という名前のフォルダーを作成し、サンプル PDF (サンプル医療記録.pdf).
ドキュメントのアップロードが成功するとすぐにパイプラインがトリガーされ、Amazon HealthLake でデータの表示が開始され、いくつかの AWS ツールを使用してクエリできるようになります。
データをクエリする
データを探索するには、次の手順を実行します。
- CloudWatch コンソールで、
HealthlakeTextract
ロググループ。 - ログ グループの詳細で、処理したドキュメントの一意の ID をメモします。
- Amazon HealthLake コンソールで、次を選択します。 データストア ナビゲーションペインに表示されます。
- データ ストアを選択して選択します クエリを実行する.
- クエリの種類、選択する GETで検索.
- リソースタイプ、選択する ドキュメント参照.
- 検索パラメータに関連するパラメータを入力し、値を次のように入力します。
DocumentReference/
一意のID。 - 選択する クエリを実行する.
- レスポンスボディ セクションでは、リソース セクションを最小化して、XNUMX ページの PDF ドキュメント用に作成された XNUMX つのリソースのみを表示します。
- 次のスクリーンショットは、Amazon Comprehend Medical と NLP を有効にした統合分析を示しています。 左側のスクリーンショットはソース PDF です。 右側のスクリーンショットは、Amazon HealthLake からの NLP 結果です。
- クエリを実行することもできます クエリの種類 として設定され 読む および リソースタイプ として設定され 調子 適切なリソース ID を使用します。
次のスクリーンショットは、クエリ結果を示しています。 - Athena コンソールで、次のクエリを実行します。
同様に、クエリを実行できます MedicationStatement
, Condition
, Observation
リソース。
クリーンアップ
このソリューションの使用が完了したら、次を実行します cdk destroy PdfMapperToFhirWorkflow
追加料金が発生しないようにするためです。 詳細については、以下を参照してください。 AWS CDK ツールキット (cdk コマンド).
まとめ
AWS AI サービスと Amazon HealthLake は、非構造化医療データからの洞察を保存、変換、クエリ、分析するのに役立ちます。 この投稿では PDF 臨床カルテのみを取り上げましたが、このソリューションを他のタイプの医療 PDF、画像、手書きのメモに拡張することもできます。 データがテキスト形式に抽出され、Amazon Comprehend Medical を使用して個別のデータ要素に解析され、Amazon HealthLake に保存された後、下流のシステムによってデータがさらに強化されて、有意義で実用的な医療情報が推進され、最終的に患者の健康成果が改善される可能性があります。
提案されたソリューションでは、サーバー インフラストラクチャの展開とメンテナンスは必要ありません。 すべてのサービスは AWS またはサーバーレスによって管理されます。 AWS の従量課金制の請求モデルとその奥深さと広範なサービスにより、初期設定と実験にかかるコストと労力は、従来のオンプレミスの代替手段よりも大幅に低くなります。
その他のリソース
Amazon HealthLake の詳細については、以下を参照してください。
著者について
シュラヴァン ヴルプトール AWS のシニア ソリューション アーキテクトです。 信頼できる顧客擁護者として、組織が高度なクラウドベースのアーキテクチャに関するベスト プラクティスを理解できるように支援し、クラウドの教育、トレーニング、設計、構築に対する情熱を通じて、幅広い企業顧客にわたってビジネスの成果を成功に導くための戦略に関するアドバイスを提供しています。ソリューション。 余暇には、読書、家族との時間を過ごし、料理を楽しんでいます。
ラファエル・M・コイケ は、南東部のエンタープライズ顧客をサポートする AWS のプリンシパル ソリューション アーキテクトであり、ストレージおよびセキュリティ技術フィールド コミュニティの一員です。 Rafael は構築に情熱を持っており、セキュリティ、ストレージ、ネットワーキング、アプリケーション開発に関する専門知識が、顧客のクラウドへの安全かつ迅速な移行を支援するのに役立ちました。
ランデール・ゲーロット AWS のプリンシパル カスタマー ソリューション マネージャーです。 Randheer は、AI/ML と HCLS 業界内でのそのアプリケーションに熱心に取り組んでいます。 AWS ビルダーとして、彼は大企業と協力してクラウドへの戦略的移行を設計して迅速に実装し、最新のクラウドネイティブ ソリューションを構築しています。
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- プラトアイストリーム。 Web3 データ インテリジェンス。 知識増幅。 こちらからアクセスしてください。
- 未来を鋳造する w エイドリエン・アシュリー。 こちらからアクセスしてください。
- PREIPO® を使用して PRE-IPO 企業の株式を売買します。 こちらからアクセスしてください。
- 情報源: https://aws.amazon.com/blogs/machine-learning/transform-analyze-and-discover-insights-from-unstructured-healthcare-data-using-amazon-healthlake/
- :持っている
- :は
- :どこ
- $UP
- 30
- 7
- a
- 私たちについて
- 越えて
- Ad
- NEW
- 高度な
- アドバイス
- 支持者
- 後
- AI
- AIサービス
- AI / ML
- すべて
- また
- 選択肢
- しかし
- Amazon
- Amazon Comprehend
- アマゾンコンプリヘンドメディカル
- アマゾン・ヘルスレイク
- アマゾンテキストラック
- an
- 分析
- 分析
- 分析論
- 分析します
- および
- 申し込み
- アプリケーション開発
- 適切な
- 約
- です
- 周りに
- AS
- At
- 自動化する
- オートメーション
- 利用できます
- AWS
- BE
- き
- さ
- BEST
- ベストプラクティス
- 請求
- 幅
- 広い
- ビルド
- ビルダー
- 建物
- ビジネス
- 焙煎が極度に未発達や過発達のコーヒーにて、クロロゲン酸の味わいへの影響は強くなり、金属を思わせる味わいと乾いたマウスフィールを感じさせます。
- by
- 呼ばれます
- 缶
- キャプチャー
- 場合
- 中央の
- 特性
- 課金
- チャート
- チャート
- 選択する
- 臨床
- クラウド
- コード
- コマンドと
- コミュニティ
- 互換性のあります
- コンプリート
- 複雑な
- 理解する
- コンセプト
- 懸念
- 条件
- 見なさ
- 領事
- 消費
- コンテキスト
- 変換
- 費用
- 可能性
- コース
- カバー
- 作ります
- 作成した
- 作成します。
- カスタム
- 顧客
- カスタマーソリューション
- Customers
- データ
- 日付
- デフォルト
- 人口動態
- 展開します
- 展開
- 深さ
- 設計
- 設計
- 破壊する
- 詳細な
- 細部
- 決定する
- 開発
- 難しい
- 無効
- 発見する
- do
- ドキュメント
- ドキュメントの自動化
- ドキュメント
- そうではありません
- 行われ
- ドント
- ダウン
- ドライブ
- 間に
- 東
- 簡単に
- 教育する
- 効果的に
- 努力
- どちら
- 素子
- 要素は
- メール
- enable
- 使用可能
- end
- 豊かな
- 確保
- 入力します
- Enterprise
- 企業
- エラー
- 推定
- さらに
- イベント
- 存在する
- 存在
- 専門知識
- 説明する
- 探る
- 伸ばす
- エキス
- 抽出物
- 施設
- 親しみ
- 家族
- スピーディー
- 少数の
- フィールド
- フィールズ
- File
- ファイナル
- 名
- フォロー中
- 次
- フォーム
- 形式でアーカイブしたプロジェクトを保存します.
- から
- function
- さらに
- 未来
- 世代
- 取得する
- 受け
- グループ
- he
- 健康
- ヘルスケア
- 助けます
- 助け
- ことができます
- 彼の
- 認定条件
- How To
- HTML
- HTTP
- HTTPS
- i
- ID
- 識別する
- 画像
- 画像
- 実装する
- 改善します
- in
- 示す
- 産業を変えます
- 情報
- インフラ関連事業
- 初期
- 洞察
- インストルメンタル
- 統合された
- 相互作用的
- 相互運用性(インターオペラビリティ)
- に
- 投資
- 問題
- IT
- ITS
- JPG
- ただ
- 言語
- 大
- 大企業
- 学習
- 左
- Legacy
- レベル
- ような
- 制限
- リスト
- 負荷
- 負荷
- ロック
- ログ
- 下側
- 機械
- 機械学習
- 維持
- メンテナンス
- make
- 作成
- マネージド
- マネージャー
- マニュアル
- 五月..
- 意味
- 意味のある
- 手段
- 医療の
- メモリ
- 移動します
- 分
- ML
- モデル
- モダン
- モニター
- 他には?
- 最も
- 名
- ナチュラル
- 自然言語処理
- ナビゲート
- ナビゲーション
- ネットワーキング
- NLP
- ノート
- 今
- of
- on
- の
- or
- 組織
- その他
- 私たちの
- 成果
- 出力
- ペイン
- パラメーター
- 部
- パーティー
- 情熱
- 情熱的な
- 過去
- 患者
- パターン
- 実行する
- パイプライン
- プラトン
- プラトンデータインテリジェンス
- プラトデータ
- ポスト
- プラクティス
- 予測
- 処方箋
- 前に
- 校長
- 問題
- プロセス
- 処理済み
- ラボレーション
- 処理
- 進捗
- 提案する
- 提案された
- プロバイダー
- プロバイダ
- は、大阪で
- すぐに
- ラファエル
- 急速な
- 急速に
- レート
- Raw
- リーディング
- 記録
- 地域
- 必要とする
- リソースを追加する。
- リソース
- 結果
- 結果
- 復活
- リスク
- ラン
- 規模
- シナリオ
- を検索
- セクション
- セクション
- しっかりと
- セキュリティ
- 見ること
- 送る
- シニア
- 別
- 役立つ
- サーバレス
- サービス
- サービス
- セッションに
- いくつかの
- 作品
- 著しく
- 簡単な拡張で
- 状況
- SIX
- 遅く
- 小さい
- 溶液
- ソリューション
- 一部
- ソース
- サウス
- 特定の
- 支出
- start
- 起動
- 滞在
- ステップ
- ストレージ利用料
- 店舗
- 保存され
- 店舗
- 戦略的
- 作戦
- 提出する
- 成功した
- サポート
- 支援する
- システム
- 取得
- 技術的
- ターミナル
- test
- より
- それ
- 未来
- ソース
- アプリ環境に合わせて
- その後
- この
- 介して
- 時間
- 〜へ
- 一緒に
- ツールキット
- 豊富なツール群
- 伝統的な
- トレーニング
- 最適化の適用
- 変換
- トリガー
- 信頼されている
- 順番
- type
- 最終的に
- わかる
- ユニーク
- アンロック
- 未開発
- アップロード
- つかいます
- 中古
- 値
- 多様
- さまざまな
- 詳しく見る
- 訪問
- ました
- we
- した
- which
- 意志
- 以内
- 作品
- You
- あなたの
- ゼファーネット