Os dados de assistência médica são complexos e isolados e existem em vários formatos. Estima-se que 80% dos dados dentro das organizações são considerados dados não estruturados ou “escuros” que estão bloqueados em texto, e-mails, PDFs e documentos digitalizados. Esses dados são difíceis de interpretar ou analisar programaticamente e limitam como as organizações podem obter insights deles e atender seus clientes com mais eficiência. A rápida taxa de geração de dados significa que as organizações que não estão investindo em automação de documentos correm o risco de ficar presas a processos legados que são manuais, lentos, propensos a erros e difíceis de dimensionar.
Nesta postagem, propomos uma solução que automatiza a ingestão e transformação de PDFs anteriormente inexplorados e dados e anotações clínicas manuscritas. Explicamos como extrair informações dos gráficos de dados clínicos do cliente usando amazontext, então use o texto bruto extraído para identificar elementos de dados discretos usando Amazon Comprehend Medical. Armazenamos a saída final no formato compatível com Fast Healthcare Interoperability Resources (FHIR) em Amazon HealthLake, tornando-o disponível para análise downstream.
Visão geral da solução
A AWS fornece uma variedade de serviços e soluções para provedores de assistência médica para liberar o valor de seus dados. Para nossa solução, processamos uma pequena amostra de documentos por meio do Amazon Textract e carregamos os dados extraídos como recursos FHIR apropriados no Amazon HealthLake. Criamos um processo personalizado para conversão de FHIR e o testamos de ponta a ponta.
Os dados são carregados primeiro em DocumentReference
. O Amazon HealthLake cria recursos gerados pelo sistema após processar esse texto não estruturado em DocumentReference
e carrega-o em Condition
, MedicationStatement
e Observation
recursos. Identificamos alguns campos de dados nos recursos do FHIR, como ID do paciente, data do serviço, tipo de provedor e nome do estabelecimento médico.
A MedicationStatement
é um registro de um medicamento que está sendo consumido por um paciente. Pode indicar que o paciente está tomando a medicação agora, já tomou a medicação no passado ou a tomará no futuro. Um cenário comum em que essas informações são capturadas é durante o processo de obtenção do histórico durante a visita ou internação de um paciente. A fonte de informações sobre medicamentos pode ser a memória do paciente, um frasco de prescrição ou uma lista de medicamentos que o paciente, o médico ou outra pessoa mantém.
Observations
são um elemento central nos cuidados de saúde, usados para apoiar o diagnóstico, monitorar o progresso, determinar linhas de base e padrões e até mesmo capturar características demográficas. A maioria das observações são simples asserções de par de nome/valor com alguns metadados, mas algumas observações agrupam outras observações logicamente ou podem até ser observações de vários componentes.
A Condition
O recurso é usado para registrar informações detalhadas sobre uma condição, problema, diagnóstico ou outro evento, situação, problema ou conceito clínico que se tornou um nível de preocupação. A condição pode ser um diagnóstico pontual no contexto de um encontro, um item na lista de problemas do profissional ou uma preocupação que não existe na lista de problemas do profissional.
O diagrama a seguir mostra o fluxo de trabalho para migrar dados não estruturados para FHIR para análise de IA e aprendizado de máquina (ML) no Amazon HealthLake.
As etapas do fluxo de trabalho são as seguintes:
- Um documento é carregado em um Serviço de armazenamento simples da Amazon (Amazon S3).
- O upload do documento no Amazon S3 aciona um AWS Lambda função.
- A função do Lambda envia a imagem para o Amazon Textract.
- O Amazon Textract extrai o texto da imagem e armazena a saída em um bucket S3 de saída do Amazon Textract separado.
- O resultado final é armazenado como recursos FHIR específicos (o texto extraído é carregado em
DocumentReference
como texto codificado em base64) no Amazon HealthLake para extrair significado dos dados não estruturados com o Amazon Comprehend Medical integrado para facilitar a pesquisa e a consulta. - Os usuários podem criar análises significativas e executar análises interativas usando Amazona atena.
- Os usuários podem criar visualizações, realizar análises ad hoc e obter insights de negócios rapidamente usando AmazonQuickSight.
- Os usuários podem fazer previsões com dados de saúde usando Amazon Sage Maker Modelos de ML.
Pré-requisitos
Este posto pressupõe familiaridade com os seguintes serviços:
Por padrão, o recurso integrado de processamento de linguagem natural (NLP) do Amazon Comprehend Medical no Amazon HealthLake está desabilitado em sua conta da AWS. Para ativá-lo, envie um caso de suporte com o ID da sua conta, a região da AWS e o ARN do armazenamento de dados do Amazon HealthLake. Para mais informações, consulte Como faço para ativar o recurso de processamento de linguagem natural integrado do HealthLake.
Consulte o GitHub repo para mais detalhes de implantação.
Implantar a arquitetura da solução
Para configurar a solução, conclua as etapas a seguir:
- Clone o GitHub repo, corre
cdk deploy PdfMapperToFhirWorkflow
no prompt de comando ou terminal e siga o arquivo README. A implantação será concluída em aproximadamente 30 minutos. - No console do Amazon S3, navegue até o bucket que começa com
pdfmappertofhirworkflow
-, que foi criado como partecdk deploy
. - Dentro do bucket, crie uma pasta chamada uploads e carregue o PDF de amostra (Exemplo de registro médico.pdf).
Assim que o upload do documento for bem-sucedido, ele acionará o pipeline e você poderá começar a ver os dados no Amazon HealthLake, que pode consultar usando várias ferramentas da AWS.
Consultar os dados
Para explorar seus dados, conclua as seguintes etapas:
- No console do CloudWatch, procure o
HealthlakeTextract
grupo de log. - Nos detalhes do grupo de logs, anote o ID exclusivo do documento que você processou.
- No console do Amazon HealthLake, escolha Armazenamentos de dados no painel de navegação.
- Selecione seu armazenamento de dados e escolha Executar consulta.
- Escolha Tipo de consulta, escolha Pesquise com GET.
- Escolha Tipo de recurso, escolha Referência de Documento.
- Escolha Parâmetros de pesquisa, insira o parâmetro conforme relacionado e o valor conforme
DocumentReference/
ID único. - Escolha Executar consulta.
- No Corpo de resposta seção, minimize as seções de recursos para visualizar apenas os seis recursos que foram criados para o documento PDF de seis páginas.
- A captura de tela a seguir mostra a análise integrada com o Amazon Comprehend Medical e o NLP ativados. A captura de tela à esquerda é o PDF de origem; a captura de tela à direita é o resultado do NLP do Amazon HealthLake.
- Você também pode executar uma consulta com Tipo de consulta definido como Leia e Tipo de recurso definido como Condição usando o ID de recurso apropriado.
A captura de tela a seguir mostra os resultados da consulta. - No console do Athena, execute a seguinte consulta:
Da mesma forma, você pode consultar MedicationStatement
, Condition
e Observation
Recursos.
limpar
Depois de terminar de usar esta solução, execute cdk destroy PdfMapperToFhirWorkflow
para garantir que você não incorre em cobranças adicionais. Para mais informações, consulte AWS CDK Toolkit (comando cdk).
Conclusão
Os serviços de IA da AWS e o Amazon HealthLake podem ajudar a armazenar, transformar, consultar e analisar insights de dados de saúde não estruturados. Embora esta postagem aborde apenas um prontuário clínico em PDF, você pode estender a solução para outros tipos de PDFs de saúde, imagens e notas manuscritas. Depois que os dados são extraídos em formato de texto, analisados em elementos de dados discretos usando o Amazon Comprehend Medical e armazenados no Amazon HealthLake, eles podem ser enriquecidos por sistemas downstream para gerar informações de saúde significativas e acionáveis e, por fim, melhorar os resultados de saúde dos pacientes.
A solução proposta não requer a implantação e manutenção de infraestrutura de servidores. Todos os serviços são gerenciados pela AWS ou sem servidor. Com o modelo de cobrança pré-pago da AWS e sua profundidade e amplitude de serviços, o custo e o esforço de configuração inicial e experimentação são significativamente menores do que as alternativas locais tradicionais.
Recursos adicionais
Para obter mais informações sobre o Amazon HealthLake, consulte o seguinte:
Sobre os autores
Shravan Vurputoor é Arquiteto de Soluções Sênior na AWS. Como um defensor confiável do cliente, ele ajuda as organizações a entender as melhores práticas em torno de arquiteturas avançadas baseadas em nuvem e fornece conselhos sobre estratégias para ajudar a gerar resultados de negócios bem-sucedidos em um amplo conjunto de clientes corporativos por meio de sua paixão por educar, treinar, projetar e construir a nuvem soluções. Nas horas vagas, gosta de ler, ficar com a família e cozinhar.
Rafael M. Koike é Arquiteto Principal de Soluções da AWS, que oferece suporte a clientes corporativos no Sudeste e faz parte da comunidade de campo técnico de armazenamento e segurança. Rafael tem paixão por construir e sua experiência em segurança, armazenamento, rede e desenvolvimento de aplicativos tem sido fundamental para ajudar os clientes a migrar para a nuvem com segurança e rapidez.
Randheer Gehlot é gerente principal de soluções para clientes da AWS. Randheer é apaixonado por IA/ML e sua aplicação na indústria de HCLS. Como um construtor da AWS, ele trabalha com grandes empresas para projetar e implementar rapidamente migrações estratégicas para a nuvem e criar soluções modernas e nativas da nuvem.
- Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
- PlatoAiStream. Inteligência de Dados Web3. Conhecimento Amplificado. Acesse aqui.
- Cunhando o Futuro com Adryenn Ashley. Acesse aqui.
- Compre e venda ações em empresas PRE-IPO com PREIPO®. Acesse aqui.
- Fonte: https://aws.amazon.com/blogs/machine-learning/transform-analyze-and-discover-insights-from-unstructured-healthcare-data-using-amazon-healthlake/
- :tem
- :é
- :onde
- $UP
- 30
- 7
- a
- Sobre
- Conta
- em
- Ad
- Adicional
- avançado
- conselho
- advogado
- Depois de
- AI
- Serviços de IA
- AI / ML
- Todos os Produtos
- tb
- alternativas
- Apesar
- Amazon
- Amazon Comprehend
- Amazon Comprehend Medical
- Amazon HealthLake
- amazontext
- an
- Analisa
- análise
- analítica
- analisar
- e
- Aplicação
- Desenvolvimento de Aplicações
- apropriado
- aproximadamente
- SOMOS
- por aí
- AS
- At
- automatiza
- Automação
- disponível
- AWS
- BE
- sido
- ser
- MELHOR
- melhores práticas
- morada
- largura
- amplo
- construir
- construtor
- Prédio
- negócio
- mas a
- by
- chamado
- CAN
- capturar
- casas
- central
- características
- acusações
- de cores
- charts
- Escolha
- Clínico
- Na nuvem
- código
- comum
- comunidade
- compatível
- completar
- integrações
- compreender
- conceito
- Interesse
- condição
- considerado
- cônsul
- consumida
- contexto
- Conversão
- Custo
- poderia
- Para
- coberto
- crio
- criado
- cria
- personalizadas
- cliente
- Soluções para clientes
- Clientes
- dados,
- Data
- Padrão
- demográfico
- implantar
- desenvolvimento
- profundidade
- Design
- concepção
- destruir
- detalhado
- detalhes
- Determinar
- Desenvolvimento
- difícil
- inválido
- descobrir
- do
- documento
- Automação de Documentos
- INSTITUCIONAIS
- Não faz
- feito
- não
- down
- distância
- durante
- Leste
- fácil
- educar
- efetivamente
- esforço
- ou
- elemento
- elementos
- e-mails
- permitir
- habilitado
- final
- enriquecido
- garantir
- Entrar
- Empreendimento
- empresas
- erro
- estimou
- Mesmo
- Evento
- existir
- existe
- experiência
- Explicação
- explorar
- estender
- extrato
- Extractos
- Facilidade
- Familiaridade
- família
- RÁPIDO
- poucos
- campo
- Campos
- Envie o
- final
- Primeiro nome
- seguir
- seguinte
- segue
- Escolha
- formulário
- formato
- da
- função
- mais distante
- futuro
- geração
- ter
- obtendo
- Grupo
- he
- Saúde
- saúde
- ajudar
- ajuda
- ajuda
- sua
- Como funciona o dobrador de carta de canal
- Como Negociar
- HTML
- http
- HTTPS
- i
- ID
- identificar
- imagem
- imagens
- executar
- melhorar
- in
- indicam
- indústria
- INFORMAÇÕES
- Infraestrutura
- do estado inicial,
- insights
- instrumental
- integrado
- interativo
- Interoperabilidade
- para dentro
- investir
- emitem
- IT
- ESTÁ
- jpg
- apenas por
- língua
- grande
- Grandes empresas
- aprendizagem
- esquerda
- Legado
- Nível
- como
- limites
- Lista
- carregar
- cargas
- trancado
- log
- diminuir
- máquina
- aprendizado de máquina
- mantém
- manutenção
- fazer
- Fazendo
- gerenciados
- Gerente
- manual
- Posso..
- significado
- significativo
- significa
- médico
- Memória
- metadados
- migrado
- Minutos
- ML
- modelo
- modelos
- EQUIPAMENTOS
- Monitore
- mais
- a maioria
- mover
- nome
- natural
- Processamento de linguagem natural
- Navegar
- Navegação
- networking
- PNL
- Notas
- agora
- of
- on
- só
- or
- organizações
- Outros
- A Nossa
- resultados
- saída
- pão
- parâmetro
- parte
- festa
- paixão
- apaixonado
- passado
- paciente
- padrões
- Realizar
- oleoduto
- platão
- Inteligência de Dados Platão
- PlatãoData
- Publique
- práticas
- Previsões
- prescrição
- anteriormente
- Diretor
- Problema
- processo
- Processado
- processos
- em processamento
- Progresso
- oferece
- proposto
- provedor
- fornecedores
- fornece
- rapidamente
- Rafael
- rápido
- rapidamente
- Taxa
- Cru
- Leitura
- registro
- região
- requerer
- recurso
- Recursos
- resultar
- Resultados
- Ressuscitado
- Risco
- Execute
- Escala
- cenário
- Pesquisar
- Seção
- seções
- firmemente
- segurança
- visto
- envia
- senior
- separado
- servir
- Serverless
- serviço
- Serviços
- conjunto
- instalação
- vários
- Shows
- de forma considerável
- simples
- situação
- SIX
- lento
- pequeno
- solução
- Soluções
- alguns
- fonte
- Sul
- específico
- Passar
- começo
- Comece
- ficar
- Passos
- armazenamento
- loja
- armazenadas
- lojas
- Estratégico
- estratégias
- enviar
- bem sucedido
- ajuda
- Apoiar
- sistemas
- tomar
- Dados Técnicos:
- terminal
- teste
- do que
- que
- A
- O Futuro
- A fonte
- deles
- então
- isto
- Através da
- tempo
- para
- juntos
- kit de ferramentas
- ferramentas
- tradicional
- Training
- Transformar
- Transformação
- desencadear
- confiável
- VIRAR
- tipo
- tipos
- Em última análise
- compreender
- único
- destravar
- inexplorado
- carregado
- usar
- usava
- utilização
- valor
- variedade
- vário
- Ver
- Visite a
- foi
- we
- foram
- qual
- precisarão
- de
- dentro
- trabalho
- Vocês
- investimentos
- zefirnet