Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
# Beispiele von Amazon Comprehend Medical mit AWS CLI
Die folgenden Codebeispiele zeigen Ihnen, wie Sie mithilfe von Amazon Comprehend Medical Aktionen ausführen und allgemeine Szenarien implementieren. AWS Command Line Interface
*Aktionen* sind Codeauszüge aus größeren Programmen und müssen im Kontext ausgeführt werden. Während Aktionen Ihnen zeigen, wie Sie einzelne Service-Funktionen aufrufen, können Sie Aktionen im Kontext der zugehörigen Szenarien anzeigen.
Jedes Beispiel enthält einen Link zum vollständigen Quellcode, wo Sie Anweisungen zum Einrichten und Ausführen des Codes im Kodex finden.
**Topics**
+ [Aktionen](#actions)
## Aktionen
### `describe-entities-detection-v2-job`
Das folgende Codebeispiel zeigt die Verwendung von. `describe-entities-detection-v2-job`
**AWS CLI**
**So beschreiben Sie einen Auftrag zur Erkennung von Entitäten**
Im folgenden Beispiel für `describe-entities-detection-v2-job` werden die Eigenschaften eines asynchronen Entitätserkennungsauftrags angezeigt.
```
aws comprehendmedical describe-entities-detection-v2-job \
--job-id "ab9887877365fe70299089371c043b96"
```
Ausgabe:
```
{
"ComprehendMedicalAsyncJobProperties": {
"JobId": "ab9887877365fe70299089371c043b96",
"JobStatus": "COMPLETED",
"SubmitTime": "2020-03-18T21:20:15.614000+00:00",
"EndTime": "2020-03-18T21:27:07.350000+00:00",
"ExpirationTime": "2020-07-16T21:20:15+00:00",
"InputDataConfig": {
"S3Bucket": "comp-med-input",
"S3Key": ""
},
"OutputDataConfig": {
"S3Bucket": "comp-med-output",
"S3Key": "867139942017-EntitiesDetection-ab9887877365fe70299089371c043b96/"
},
"LanguageCode": "en",
"DataAccessRoleArn": "arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole",
"ModelVersion": "DetectEntitiesModelV20190930"
}
}
```
Weitere Informationen finden Sie unter [Batch APIs](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-batchapi.html) im *Amazon Comprehend Medical Developer Guide*.
+ *API-Details finden Sie unter [DescribeEntitiesDetectionV2Job](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/describe-entities-detection-v2-job.html) in der Befehlsreferenz.AWS CLI *
### `describe-icd10-cm-inference-job`
Das folgende Codebeispiel zeigt die Verwendung. `describe-icd10-cm-inference-job`
**AWS CLI**
**So beschreiben Sie einen ICD-10-CM-Inferenzauftrag**
Im folgenden Beispiel für `describe-icd10-cm-inference-job` werden die Eigenschaften des angeforderten Inferenzauftrags mit der angegebenen Auftrags-ID beschrieben.
```
aws comprehendmedical describe-icd10-cm-inference-job \
--job-id "5780034166536cdb52ffa3295a1b00a7"
```
Ausgabe:
```
{
"ComprehendMedicalAsyncJobProperties": {
"JobId": "5780034166536cdb52ffa3295a1b00a7",
"JobStatus": "COMPLETED",
"SubmitTime": "2020-05-18T21:20:15.614000+00:00",
"EndTime": "2020-05-18T21:27:07.350000+00:00",
"ExpirationTime": "2020-09-16T21:20:15+00:00",
"InputDataConfig": {
"S3Bucket": "comp-med-input",
"S3Key": "AKIAIOSFODNN7EXAMPLE"
},
"OutputDataConfig": {
"S3Bucket": "comp-med-output",
"S3Key": "AKIAIOSFODNN7EXAMPLE"
},
"LanguageCode": "en",
"DataAccessRoleArn": "arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole",
"ModelVersion": "0.1.0"
}
}
```
Weitere Informationen finden Sie unter [Ontologie zur Verknüpfung von Batch-Analysen](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html) im *Entwicklerhandbuch für Amazon Comprehend Medical*.
+ Einzelheiten zur API finden Sie unter [DescribeIcd10 CmInferenceJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/describe-icd10-cm-inference-job.html) in der *AWS CLI Befehlsreferenz*.
### `describe-phi-detection-job`
Das folgende Codebeispiel zeigt die Verwendung`describe-phi-detection-job`.
**AWS CLI**
**So beschreiben Sie einen PHI-Erkennungsauftrag**
Im folgenden Beispiel für `describe-phi-detection-job` werden die Eigenschaften eines asynchronen Auftrags zur Erkennung geschützter Gesundheitsinformationen (PHI) angezeigt.
```
aws comprehendmedical describe-phi-detection-job \
--job-id "4750034166536cdb52ffa3295a1b00a3"
```
Ausgabe:
```
{
"ComprehendMedicalAsyncJobProperties": {
"JobId": "4750034166536cdb52ffa3295a1b00a3",
"JobStatus": "COMPLETED",
"SubmitTime": "2020-03-19T20:38:37.594000+00:00",
"EndTime": "2020-03-19T20:45:07.894000+00:00",
"ExpirationTime": "2020-07-17T20:38:37+00:00",
"InputDataConfig": {
"S3Bucket": "comp-med-input",
"S3Key": ""
},
"OutputDataConfig": {
"S3Bucket": "comp-med-output",
"S3Key": "867139942017-PHIDetection-4750034166536cdb52ffa3295a1b00a3/"
},
"LanguageCode": "en",
"DataAccessRoleArn": "arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole",
"ModelVersion": "PHIModelV20190903"
}
}
```
Weitere Informationen finden Sie unter [Batch APIs](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-batchapi.html) im *Amazon Comprehend Medical Developer Guide*.
+ Einzelheiten zur API finden Sie [DescribePhiDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/describe-phi-detection-job.html)in der *AWS CLI Befehlsreferenz*.
### `describe-rx-norm-inference-job`
Das folgende Codebeispiel zeigt die Verwendung`describe-rx-norm-inference-job`.
**AWS CLI**
**Um einen RxNorm Inferenzjob zu beschreiben**
Im folgenden Beispiel für `describe-rx-norm-inference-job` werden die Eigenschaften des angeforderten Inferenzauftrags mit der angegebenen Auftrags-ID beschrieben.
```
aws comprehendmedical describe-rx-norm-inference-job \
--job-id "eg8199877365fc70299089371c043b96"
```
Ausgabe:
```
{
"ComprehendMedicalAsyncJobProperties": {
"JobId": "g8199877365fc70299089371c043b96",
"JobStatus": "COMPLETED",
"SubmitTime": "2020-05-18T21:20:15.614000+00:00",
"EndTime": "2020-05-18T21:27:07.350000+00:00",
"ExpirationTime": "2020-09-16T21:20:15+00:00",
"InputDataConfig": {
"S3Bucket": "comp-med-input",
"S3Key": "AKIAIOSFODNN7EXAMPLE"
},
"OutputDataConfig": {
"S3Bucket": "comp-med-output",
"S3Key": "AKIAIOSFODNN7EXAMPLE"
},
"LanguageCode": "en",
"DataAccessRoleArn": "arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole",
"ModelVersion": "0.0.0"
}
}
```
Weitere Informationen finden Sie unter [Ontologie zur Verknüpfung von Batch-Analysen](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html) im *Entwicklerhandbuch für Amazon Comprehend Medical*.
+ Einzelheiten zur API finden Sie [DescribeRxNormInferenceJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/describe-rx-norm-inference-job.html)in der *AWS CLI Befehlsreferenz.*
### `describe-snomedct-inference-job`
Das folgende Codebeispiel zeigt die Verwendung`describe-snomedct-inference-job`.
**AWS CLI**
**So beschreiben Sie einen SNOMED-CT-Inferenzauftrag**
Im folgenden Beispiel für `describe-snomedct-inference-job` werden die Eigenschaften des angeforderten Inferenzauftrags mit der angegebenen Auftrags-ID beschrieben.
```
aws comprehendmedical describe-snomedct-inference-job \
--job-id "2630034166536cdb52ffa3295a1b00a7"
```
Ausgabe:
```
{
"ComprehendMedicalAsyncJobProperties": {
"JobId": "2630034166536cdb52ffa3295a1b00a7",
"JobStatus": "COMPLETED",
"SubmitTime": "2021-12-18T21:20:15.614000+00:00",
"EndTime": "2021-12-18T21:27:07.350000+00:00",
"ExpirationTime": "2022-05-16T21:20:15+00:00",
"InputDataConfig": {
"S3Bucket": "comp-med-input",
"S3Key": "AKIAIOSFODNN7EXAMPLE"
},
"OutputDataConfig": {
"S3Bucket": "comp-med-output",
"S3Key": "AKIAIOSFODNN7EXAMPLE"
},
"LanguageCode": "en",
"DataAccessRoleArn": "arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole",
"ModelVersion": "0.1.0"
}
}
```
Weitere Informationen finden Sie unter [Ontologie zur Verknüpfung von Batch-Analysen](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html) im *Entwicklerhandbuch für Amazon Comprehend Medical*.
+ Einzelheiten zur API finden Sie [DescribeSnomedctInferenceJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/describe-snomedct-inference-job.html)in der *AWS CLI Befehlsreferenz*.
### `detect-entities-v2`
Das folgende Codebeispiel zeigt die Verwendung`detect-entities-v2`.
**AWS CLI**
**Beispiel 1: So erkennen Sie Entitäten direkt anhand des Texts**
Das folgende Beispiel für `detect-entities-v2` zeigt die erkannten Entitäten und kennzeichnet sie direkt anhand des Eingabetexts nach Typ.
```
aws comprehendmedical detect-entities-v2 \
--text "Sleeping trouble on present dosage of Clonidine. Severe rash on face and leg, slightly itchy."
```
Ausgabe:
```
{
"Id": 0,
"BeginOffset": 38,
"EndOffset": 47,
"Score": 0.9942955374717712,
"Text": "Clonidine",
"Category": "MEDICATION",
"Type": "GENERIC_NAME",
"Traits": []
}
```
Weitere Informationen finden Sie unter [Detect Entities Version 2](https://docs.aws.amazon.com/comprehend/latest/dg/extracted-med-info-V2.html) im *Entwicklerhandbuch für Amazon Comprehend Medical*.
**Beispiel 2: So erkennen Sie Entitäten anhand eines Dateipfads**
Das folgende Beispiel für `detect-entities-v2` zeigt die erkannten Entitäten und kennzeichnet sie anhand eines Dateipfads nach Typ.
```
aws comprehendmedical detect-entities-v2 \
--text file://medical_entities.txt
```
Inhalt von `medical_entities.txt`:
```
{
"Sleeping trouble on present dosage of Clonidine. Severe rash on face and leg, slightly itchy."
}
```
Ausgabe:
```
{
"Id": 0,
"BeginOffset": 38,
"EndOffset": 47,
"Score": 0.9942955374717712,
"Text": "Clonidine",
"Category": "MEDICATION",
"Type": "GENERIC_NAME",
"Traits": []
}
```
Weitere Informationen finden Sie unter [Detect Entities Version 2](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-entitiesv2.html) im *Entwicklerhandbuch für Amazon Comprehend Medical*.
+ API-Details finden Sie unter [DetectEntitiesV2](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/detect-entities-v2.html) in der *AWS CLI Befehlsreferenz*.
### `detect-phi`
Das folgende Codebeispiel zeigt die Verwendung`detect-phi`.
**AWS CLI**
**Beispiel 1: So erkennen Sie geschützte Gesundheitsinformationen (PHI) direkt im Text**
Im folgenden Beispiel für `detect-phi` werden die erkannten Entitäten geschützter Gesundheitsinformationen (PHI) direkt im Eingabetext angezeigt.
```
aws comprehendmedical detect-phi \
--text "Patient Carlos Salazar presented with rash on his upper extremities and dry cough. He lives at 100 Main Street, Anytown, USA where he works from his home as a carpenter."
```
Ausgabe:
```
{
"Entities": [
{
"Id": 0,
"BeginOffset": 8,
"EndOffset": 21,
"Score": 0.9914507269859314,
"Text": "Carlos Salazar",
"Category": "PROTECTED_HEALTH_INFORMATION",
"Type": "NAME",
"Traits": []
},
{
"Id": 1,
"BeginOffset": 94,
"EndOffset": 109,
"Score": 0.871849775314331,
"Text": "100 Main Street, Anytown, USA",
"Category": "PROTECTED_HEALTH_INFORMATION",
"Type": "ADDRESS",
"Traits": []
},
{
"Id": 2,
"BeginOffset": 145,
"EndOffset": 154,
"Score": 0.8302185535430908,
"Text": "carpenter",
"Category": "PROTECTED_HEALTH_INFORMATION",
"Type": "PROFESSION",
"Traits": []
}
],
"ModelVersion": "0.0.0"
}
```
Weitere Informationen finden Sie unter [Detect PHI](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-phi.html) im *Entwicklerhandbuch für Amazon Comprehend Medical*.
**Beispiel 2: So erkennen Sie geschützte Gesundheitsinformationen (PHI) direkt anhand eines Dateipfads**
Im folgenden Beispiel für `detect-phi` werden die erkannten Entitäten geschützter Gesundheitsinformationen (PHI) anhand eines Dateipfads angezeigt.
```
aws comprehendmedical detect-phi \
--text file://phi.txt
```
Inhalt von `phi.txt`:
```
"Patient Carlos Salazar presented with a rash on his upper extremities and a dry cough. He lives at 100 Main Street, Anytown, USA, where he works from his home as a carpenter."
```
Ausgabe:
```
{
"Entities": [
{
"Id": 0,
"BeginOffset": 8,
"EndOffset": 21,
"Score": 0.9914507269859314,
"Text": "Carlos Salazar",
"Category": "PROTECTED_HEALTH_INFORMATION",
"Type": "NAME",
"Traits": []
},
{
"Id": 1,
"BeginOffset": 94,
"EndOffset": 109,
"Score": 0.871849775314331,
"Text": "100 Main Street, Anytown, USA",
"Category": "PROTECTED_HEALTH_INFORMATION",
"Type": "ADDRESS",
"Traits": []
},
{
"Id": 2,
"BeginOffset": 145,
"EndOffset": 154,
"Score": 0.8302185535430908,
"Text": "carpenter",
"Category": "PROTECTED_HEALTH_INFORMATION",
"Type": "PROFESSION",
"Traits": []
}
],
"ModelVersion": "0.0.0"
}
```
Weitere Informationen finden Sie unter [Detect PHI](https://docs.aws.amazon.com/comprehend/latest/dg/how-medical-phi.html) im *Entwicklerhandbuch für Amazon Comprehend Medical*.
+ Einzelheiten zur API finden Sie [DetectPhi](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/detect-phi.html)in der *AWS CLI Befehlsreferenz*.
### `infer-icd10-cm`
Das folgende Codebeispiel zeigt die Verwendung`infer-icd10-cm`.
**AWS CLI**
**Beispiel 1: So erkennen Sie Entitäten für medizinische Erkrankungen und verknüpfen sie direkt anhand des Texts mit der ICD-10-CM-Ontologie**
Im folgenden Beispiel für `infer-icd10-cm` werden die Entitäten für den erkannten Gesundheitszustand gekennzeichnet und diese Entitäten mit Codes in der Ausgabe 2019 der International Classification of Diseases Clinical Modification (ICD-10-CM) verknüpft.
```
aws comprehendmedical infer-icd10-cm \
--text "The patient complains of abdominal pain, has a long-standing history of diabetes treated with Micronase daily."
```
Ausgabe:
```
{
"Entities": [
{
"Id": 0,
"Text": "abdominal pain",
"Category": "MEDICAL_CONDITION",
"Type": "DX_NAME",
"Score": 0.9475538730621338,
"BeginOffset": 28,
"EndOffset": 42,
"Attributes": [],
"Traits": [
{
"Name": "SYMPTOM",
"Score": 0.6724207401275635
}
],
"ICD10CMConcepts": [
{
"Description": "Unspecified abdominal pain",
"Code": "R10.9",
"Score": 0.6904221177101135
},
{
"Description": "Epigastric pain",
"Code": "R10.13",
"Score": 0.1364113688468933
},
{
"Description": "Generalized abdominal pain",
"Code": "R10.84",
"Score": 0.12508003413677216
},
{
"Description": "Left lower quadrant pain",
"Code": "R10.32",
"Score": 0.10063883662223816
},
{
"Description": "Lower abdominal pain, unspecified",
"Code": "R10.30",
"Score": 0.09933677315711975
}
]
},
{
"Id": 1,
"Text": "diabetes",
"Category": "MEDICAL_CONDITION",
"Type": "DX_NAME",
"Score": 0.9899052977561951,
"BeginOffset": 75,
"EndOffset": 83,
"Attributes": [],
"Traits": [
{
"Name": "DIAGNOSIS",
"Score": 0.9258432388305664
}
],
"ICD10CMConcepts": [
{
"Description": "Type 2 diabetes mellitus without complications",
"Code": "E11.9",
"Score": 0.7158446311950684
},
{
"Description": "Family history of diabetes mellitus",
"Code": "Z83.3",
"Score": 0.5704703330993652
},
{
"Description": "Family history of other endocrine, nutritional and metabolic diseases",
"Code": "Z83.49",
"Score": 0.19856023788452148
},
{
"Description": "Type 1 diabetes mellitus with ketoacidosis without coma",
"Code": "E10.10",
"Score": 0.13285516202449799
},
{
"Description": "Type 2 diabetes mellitus with hyperglycemia",
"Code": "E11.65",
"Score": 0.0993388369679451
}
]
}
],
"ModelVersion": "0.1.0"
}
```
Weitere Informationen finden Sie unter [Infer ICD10 -CM](https://docs.aws.amazon.com/comprehend/latest/dg/ontology-linking-icd10.html) im *Amazon Comprehend* Medical Developer Guide.
**Beispiel 2: So erkennen Sie Entitäten für medizinische Erkrankungen und verknüpfen sie anhand eines Dateipfads mit der ICD-10-CM-Ontologie**
Im folgenden Beispiel für `infer-icd-10-cm` werden die Entitäten für den erkannten Gesundheitszustand gekennzeichnet und diese Entitäten mit Codes in der Ausgabe 2019 der International Classification of Diseases Clinical Modification (ICD-10-CM) verknüpft.
```
aws comprehendmedical infer-icd10-cm \
--text file://icd10cm.txt
```
Inhalt von `icd10cm.txt`:
```
{
"The patient complains of abdominal pain, has a long-standing history of diabetes treated with Micronase daily."
}
```
Ausgabe:
```
{
"Entities": [
{
"Id": 0,
"Text": "abdominal pain",
"Category": "MEDICAL_CONDITION",
"Type": "DX_NAME",
"Score": 0.9475538730621338,
"BeginOffset": 28,
"EndOffset": 42,
"Attributes": [],
"Traits": [
{
"Name": "SYMPTOM",
"Score": 0.6724207401275635
}
],
"ICD10CMConcepts": [
{
"Description": "Unspecified abdominal pain",
"Code": "R10.9",
"Score": 0.6904221177101135
},
{
"Description": "Epigastric pain",
"Code": "R10.13",
"Score": 0.1364113688468933
},
{
"Description": "Generalized abdominal pain",
"Code": "R10.84",
"Score": 0.12508003413677216
},
{
"Description": "Left lower quadrant pain",
"Code": "R10.32",
"Score": 0.10063883662223816
},
{
"Description": "Lower abdominal pain, unspecified",
"Code": "R10.30",
"Score": 0.09933677315711975
}
]
},
{
"Id": 1,
"Text": "diabetes",
"Category": "MEDICAL_CONDITION",
"Type": "DX_NAME",
"Score": 0.9899052977561951,
"BeginOffset": 75,
"EndOffset": 83,
"Attributes": [],
"Traits": [
{
"Name": "DIAGNOSIS",
"Score": 0.9258432388305664
}
],
"ICD10CMConcepts": [
{
"Description": "Type 2 diabetes mellitus without complications",
"Code": "E11.9",
"Score": 0.7158446311950684
},
{
"Description": "Family history of diabetes mellitus",
"Code": "Z83.3",
"Score": 0.5704703330993652
},
{
"Description": "Family history of other endocrine, nutritional and metabolic diseases",
"Code": "Z83.49",
"Score": 0.19856023788452148
},
{
"Description": "Type 1 diabetes mellitus with ketoacidosis without coma",
"Code": "E10.10",
"Score": 0.13285516202449799
},
{
"Description": "Type 2 diabetes mellitus with hyperglycemia",
"Code": "E11.65",
"Score": 0.0993388369679451
}
]
}
],
"ModelVersion": "0.1.0"
}
```
Weitere Informationen finden Sie unter [Infer- ICD10 -CM](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontology-icd10.html) im *Amazon Comprehend* Medical Developer Guide.
+ *Einzelheiten zur API finden Sie unter [InferIcd10Cm](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/infer-icd10-cm.html) in der Befehlsreferenz.AWS CLI *
### `infer-rx-norm`
Das folgende Codebeispiel zeigt die Verwendung`infer-rx-norm`.
**AWS CLI**
**Beispiel 1: Um Entitäten von Medikamenten zu erkennen und RxNorm direkt aus dem Text zu verlinken**
Das folgende `infer-rx-norm` Beispiel zeigt und beschriftet die erkannten Arzneimittelentitäten und verknüpft diese Entitäten mit Konzeptkennungen (RxCUI) aus der Datenbank der National Library of Medicine. RxNorm
```
aws comprehendmedical infer-rx-norm \
--text "Patient reports taking Levothyroxine 125 micrograms p.o. once daily, but denies taking Synthroid."
```
Ausgabe:
```
{
"Entities": [
{
"Id": 0,
"Text": "Levothyroxine",
"Category": "MEDICATION",
"Type": "GENERIC_NAME",
"Score": 0.9996285438537598,
"BeginOffset": 23,
"EndOffset": 36,
"Attributes": [
{
"Type": "DOSAGE",
"Score": 0.9892290830612183,
"RelationshipScore": 0.9997978806495667,
"Id": 1,
"BeginOffset": 37,
"EndOffset": 51,
"Text": "125 micrograms",
"Traits": []
},
{
"Type": "ROUTE_OR_MODE",
"Score": 0.9988924860954285,
"RelationshipScore": 0.998291552066803,
"Id": 2,
"BeginOffset": 52,
"EndOffset": 56,
"Text": "p.o.",
"Traits": []
},
{
"Type": "FREQUENCY",
"Score": 0.9953463673591614,
"RelationshipScore": 0.9999889135360718,
"Id": 3,
"BeginOffset": 57,
"EndOffset": 67,
"Text": "once daily",
"Traits": []
}
],
"Traits": [],
"RxNormConcepts": [
{
"Description": "Levothyroxine Sodium 0.125 MG Oral Tablet",
"Code": "966224",
"Score": 0.9912070631980896
},
{
"Description": "Levothyroxine Sodium 0.125 MG Oral Capsule",
"Code": "966405",
"Score": 0.8698278665542603
},
{
"Description": "Levothyroxine Sodium 0.125 MG Oral Tablet [Synthroid]",
"Code": "966191",
"Score": 0.7448257803916931
},
{
"Description": "levothyroxine",
"Code": "10582",
"Score": 0.7050482630729675
},
{
"Description": "Levothyroxine Sodium 0.125 MG Oral Tablet [Levoxyl]",
"Code": "966190",
"Score": 0.6921631693840027
}
]
},
{
"Id": 4,
"Text": "Synthroid",
"Category": "MEDICATION",
"Type": "BRAND_NAME",
"Score": 0.9946461319923401,
"BeginOffset": 86,
"EndOffset": 95,
"Attributes": [],
"Traits": [
{
"Name": "NEGATION",
"Score": 0.5167351961135864
}
],
"RxNormConcepts": [
{
"Description": "Synthroid",
"Code": "224920",
"Score": 0.9462039470672607
},
{
"Description": "Levothyroxine Sodium 0.088 MG Oral Tablet [Synthroid]",
"Code": "966282",
"Score": 0.8309829235076904
},
{
"Description": "Levothyroxine Sodium 0.125 MG Oral Tablet [Synthroid]",
"Code": "966191",
"Score": 0.4945160448551178
},
{
"Description": "Levothyroxine Sodium 0.05 MG Oral Tablet [Synthroid]",
"Code": "966247",
"Score": 0.3674522042274475
},
{
"Description": "Levothyroxine Sodium 0.025 MG Oral Tablet [Synthroid]",
"Code": "966158",
"Score": 0.2588822841644287
}
]
}
],
"ModelVersion": "0.0.0"
}
```
Weitere Informationen finden Sie unter [Infer RxNorm](https://docs.aws.amazon.com/comprehend/latest/dg/ontology-linking-rxnorm.html) im *Amazon Comprehend Medical* Developer Guide.
**Beispiel 2: Um Entitäten für Medikamente zu erkennen und von einem Dateipfad RxNorm aus eine Verknüpfung herzustellen.**
Das folgende `infer-rx-norm` Beispiel zeigt und beschriftet die erkannten Arzneimittelentitäten und verknüpft diese Entitäten mit Konzeptkennungen (RxCUI) aus der Datenbank der National Library of Medicine. RxNorm
```
aws comprehendmedical infer-rx-norm \
--text file://rxnorm.txt
```
Inhalt von `rxnorm.txt`:
```
{
"Patient reports taking Levothyroxine 125 micrograms p.o. once daily, but denies taking Synthroid."
}
```
Ausgabe:
```
{
"Entities": [
{
"Id": 0,
"Text": "Levothyroxine",
"Category": "MEDICATION",
"Type": "GENERIC_NAME",
"Score": 0.9996285438537598,
"BeginOffset": 23,
"EndOffset": 36,
"Attributes": [
{
"Type": "DOSAGE",
"Score": 0.9892290830612183,
"RelationshipScore": 0.9997978806495667,
"Id": 1,
"BeginOffset": 37,
"EndOffset": 51,
"Text": "125 micrograms",
"Traits": []
},
{
"Type": "ROUTE_OR_MODE",
"Score": 0.9988924860954285,
"RelationshipScore": 0.998291552066803,
"Id": 2,
"BeginOffset": 52,
"EndOffset": 56,
"Text": "p.o.",
"Traits": []
},
{
"Type": "FREQUENCY",
"Score": 0.9953463673591614,
"RelationshipScore": 0.9999889135360718,
"Id": 3,
"BeginOffset": 57,
"EndOffset": 67,
"Text": "once daily",
"Traits": []
}
],
"Traits": [],
"RxNormConcepts": [
{
"Description": "Levothyroxine Sodium 0.125 MG Oral Tablet",
"Code": "966224",
"Score": 0.9912070631980896
},
{
"Description": "Levothyroxine Sodium 0.125 MG Oral Capsule",
"Code": "966405",
"Score": 0.8698278665542603
},
{
"Description": "Levothyroxine Sodium 0.125 MG Oral Tablet [Synthroid]",
"Code": "966191",
"Score": 0.7448257803916931
},
{
"Description": "levothyroxine",
"Code": "10582",
"Score": 0.7050482630729675
},
{
"Description": "Levothyroxine Sodium 0.125 MG Oral Tablet [Levoxyl]",
"Code": "966190",
"Score": 0.6921631693840027
}
]
},
{
"Id": 4,
"Text": "Synthroid",
"Category": "MEDICATION",
"Type": "BRAND_NAME",
"Score": 0.9946461319923401,
"BeginOffset": 86,
"EndOffset": 95,
"Attributes": [],
"Traits": [
{
"Name": "NEGATION",
"Score": 0.5167351961135864
}
],
"RxNormConcepts": [
{
"Description": "Synthroid",
"Code": "224920",
"Score": 0.9462039470672607
},
{
"Description": "Levothyroxine Sodium 0.088 MG Oral Tablet [Synthroid]",
"Code": "966282",
"Score": 0.8309829235076904
},
{
"Description": "Levothyroxine Sodium 0.125 MG Oral Tablet [Synthroid]",
"Code": "966191",
"Score": 0.4945160448551178
},
{
"Description": "Levothyroxine Sodium 0.05 MG Oral Tablet [Synthroid]",
"Code": "966247",
"Score": 0.3674522042274475
},
{
"Description": "Levothyroxine Sodium 0.025 MG Oral Tablet [Synthroid]",
"Code": "966158",
"Score": 0.2588822841644287
}
]
}
],
"ModelVersion": "0.0.0"
}
```
Weitere Informationen finden Sie unter [Infer RxNorm](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontology-RxNorm.html) im *Amazon Comprehend Medical* Developer Guide.
+ *Einzelheiten zur API finden Sie [InferRxNorm](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/infer-rx-norm.html)in AWS CLI der Befehlsreferenz.*
### `infer-snomedct`
Das folgende Codebeispiel zeigt die Verwendung`infer-snomedct`.
**AWS CLI**
**Beispiel: So erkennen Sie Entitäten und verknüpfen sie direkt anhand des Texts mit der SNOMED-CT-Ontologie**
Das folgende Beispiel für `infer-snomedct` zeigt, wie medizinische Entitäten erkannt und mit Konzepten aus der Version 2021-03 der Systematized Nomenclature of Medicine, Clinical Terms (SNOMED CT) verknüpft werden.
```
aws comprehendmedical infer-snomedct \
--text "The patient complains of abdominal pain, has a long-standing history of diabetes treated with Micronase daily."
```
Ausgabe:
```
{
"Entities": [
{
"Id": 3,
"BeginOffset": 26,
"EndOffset": 40,
"Score": 0.9598260521888733,
"Text": "abdominal pain",
"Category": "MEDICAL_CONDITION",
"Type": "DX_NAME",
"Traits": [
{
"Name": "SYMPTOM",
"Score": 0.6819021701812744
}
]
},
{
"Id": 4,
"BeginOffset": 73,
"EndOffset": 81,
"Score": 0.9905840158462524,
"Text": "diabetes",
"Category": "MEDICAL_CONDITION",
"Type": "DX_NAME",
"Traits": [
{
"Name": "DIAGNOSIS",
"Score": 0.9255214333534241
}
]
},
{
"Id": 1,
"BeginOffset": 95,
"EndOffset": 104,
"Score": 0.6371926665306091,
"Text": "Micronase",
"Category": "MEDICATION",
"Type": "BRAND_NAME",
"Traits": [],
"Attributes": [
{
"Type": "FREQUENCY",
"Score": 0.9761165380477905,
"RelationshipScore": 0.9984188079833984,
"RelationshipType": "FREQUENCY",
"Id": 2,
"BeginOffset": 105,
"EndOffset": 110,
"Text": "daily",
"Category": "MEDICATION",
"Traits": []
}
]
}
],
"UnmappedAttributes": [],
"ModelVersion": "1.0.0"
}
```
Weitere Informationen finden Sie unter [InferSNOMEDCT](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontology-linking-snomed.html) im *Entwicklerhandbuch für Amazon Comprehend Medical*.
+ Einzelheiten zur API finden Sie [InferSnomedct](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/infer-snomedct.html)in der *AWS CLI Befehlsreferenz*.
### `list-entities-detection-v2-jobs`
Das folgende Codebeispiel zeigt die Verwendung`list-entities-detection-v2-jobs`.
**AWS CLI**
**So listen Sie Aufträge zur Erkennung von Entitäten auf**
Im folgenden Beispiel für `list-entities-detection-v2-jobs` werden aktuelle asynchrone Erkennungsaufträge aufgelistet.
```
aws comprehendmedical list-entities-detection-v2-jobs
```
Ausgabe:
```
{
"ComprehendMedicalAsyncJobPropertiesList": [
{
"JobId": "ab9887877365fe70299089371c043b96",
"JobStatus": "COMPLETED",
"SubmitTime": "2020-03-19T20:38:37.594000+00:00",
"EndTime": "2020-03-19T20:45:07.894000+00:00",
"ExpirationTime": "2020-07-17T20:38:37+00:00",
"InputDataConfig": {
"S3Bucket": "comp-med-input",
"S3Key": ""
},
"OutputDataConfig": {
"S3Bucket": "comp-med-output",
"S3Key": "867139942017-EntitiesDetection-ab9887877365fe70299089371c043b96/"
},
"LanguageCode": "en",
"DataAccessRoleArn": "arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole",
"ModelVersion": "DetectEntitiesModelV20190930"
}
]
}
```
Weitere Informationen finden Sie unter [Batch APIs](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-batchapi.html) im *Amazon Comprehend Medical Developer Guide*.
+ *Einzelheiten zur API finden Sie unter [ListEntitiesDetectionV2Jobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/list-entities-detection-v2-jobs.html) in der Befehlsreferenz.AWS CLI *
### `list-icd10-cm-inference-jobs`
Das folgende Codebeispiel zeigt die Verwendung. `list-icd10-cm-inference-jobs`
**AWS CLI**
**So listen Sie alle aktuellen ICD-10-CM-Inferenzaufträge auf**
Das folgende Beispiel zeigt, wie die Operation `list-icd10-cm-inference-jobs` eine Liste aktueller asynchroner ICD-10-CM-Batch-Inferenzaufträge zurückgibt.
```
aws comprehendmedical list-icd10-cm-inference-jobs
```
Ausgabe:
```
{
"ComprehendMedicalAsyncJobPropertiesList": [
{
"JobId": "5780034166536cdb52ffa3295a1b00a7",
"JobStatus": "COMPLETED",
"SubmitTime": "2020-05-19T20:38:37.594000+00:00",
"EndTime": "2020-05-19T20:45:07.894000+00:00",
"ExpirationTime": "2020-09-17T20:38:37+00:00",
"InputDataConfig": {
"S3Bucket": "comp-med-input",
"S3Key": "AKIAIOSFODNN7EXAMPLE"
},
"OutputDataConfig": {
"S3Bucket": "comp-med-output",
"S3Key": "AKIAIOSFODNN7EXAMPLE"
},
"LanguageCode": "en",
"DataAccessRoleArn": "arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole",
"ModelVersion": "0.1.0"
}
]
}
```
Weitere Informationen finden Sie unter [Ontologie zur Verknüpfung von Batch-Analysen](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html) im *Entwicklerhandbuch für Amazon Comprehend Medical*.
+ Einzelheiten zur API finden Sie unter [ListIcd10 CmInferenceJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/list-icd10-cm-inference-jobs.html) in der *AWS CLI Befehlsreferenz*.
### `list-phi-detection-jobs`
Das folgende Codebeispiel zeigt die Verwendung`list-phi-detection-jobs`.
**AWS CLI**
**So listen Sie Erkennungsaufträge für geschützte Gesundheitsinformationen (PHI) auf**
Im folgenden Beispiel für `list-phi-detection-jobs` werden aktuelle Erkennungsaufträge für geschützte Gesundheitsinformationen (PHI) aufgeführt
```
aws comprehendmedical list-phi-detection-jobs
```
Ausgabe:
```
{
"ComprehendMedicalAsyncJobPropertiesList": [
{
"JobId": "4750034166536cdb52ffa3295a1b00a3",
"JobStatus": "COMPLETED",
"SubmitTime": "2020-03-19T20:38:37.594000+00:00",
"EndTime": "2020-03-19T20:45:07.894000+00:00",
"ExpirationTime": "2020-07-17T20:38:37+00:00",
"InputDataConfig": {
"S3Bucket": "comp-med-input",
"S3Key": ""
},
"OutputDataConfig": {
"S3Bucket": "comp-med-output",
"S3Key": "867139942017-PHIDetection-4750034166536cdb52ffa3295a1b00a3/"
},
"LanguageCode": "en",
"DataAccessRoleArn": "arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole",
"ModelVersion": "PHIModelV20190903"
}
]
}
```
Weitere Informationen finden Sie unter [Batch APIs](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-batchapi.html) im *Amazon Comprehend Medical Developer Guide*.
+ Einzelheiten zur API finden Sie [ListPhiDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/list-phi-detection-jobs.html)in der *AWS CLI Befehlsreferenz*.
### `list-rx-norm-inference-jobs`
Das folgende Codebeispiel zeigt die Verwendung`list-rx-norm-inference-jobs`.
**AWS CLI**
**So listen Sie alle aktuellen Rx-Norm-Inferenzaufträge auf**
Das folgende Beispiel zeigt, wie `list-rx-norm-inference-jobs` eine Liste aktueller asynchroner Rx-Norm-Batch-Inferenzaufträge zurückgibt.
```
aws comprehendmedical list-rx-norm-inference-jobs
```
Ausgabe:
```
{
"ComprehendMedicalAsyncJobPropertiesList": [
{
"JobId": "4980034166536cfb52gga3295a1b00a3",
"JobStatus": "COMPLETED",
"SubmitTime": "2020-05-19T20:38:37.594000+00:00",
"EndTime": "2020-05-19T20:45:07.894000+00:00",
"ExpirationTime": "2020-09-17T20:38:37+00:00",
"InputDataConfig": {
"S3Bucket": "comp-med-input",
"S3Key": "AKIAIOSFODNN7EXAMPLE"
},
"OutputDataConfig": {
"S3Bucket": "comp-med-output",
"S3Key": "AKIAIOSFODNN7EXAMPLE"
},
"LanguageCode": "en",
"DataAccessRoleArn": "arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole",
"ModelVersion": "0.0.0"
}
]
}
```
Weitere Informationen finden Sie unter [Ontologie zur Verknüpfung von Batch-Analysen](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html) im *Entwicklerhandbuch für Amazon Comprehend Medical*.
+ Einzelheiten zur API finden Sie [ListRxNormInferenceJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/list-rx-norm-inference-jobs.html)in der *AWS CLI Befehlsreferenz*.
### `list-snomedct-inference-jobs`
Das folgende Codebeispiel zeigt die Verwendung`list-snomedct-inference-jobs`.
**AWS CLI**
**So listen Sie alle SNOMED-CT-Inferenzaufträge auf**
Das folgende Beispiel zeigt, wie die Operation `list-snomedct-inference-jobs` eine Liste aktueller asynchroner SNOMED-CT-Batch-Inferenzaufträge zurückgibt.
```
aws comprehendmedical list-snomedct-inference-jobs
```
Ausgabe:
```
{
"ComprehendMedicalAsyncJobPropertiesList": [
{
"JobId": "5780034166536cdb52ffa3295a1b00a7",
"JobStatus": "COMPLETED",
"SubmitTime": "2020-05-19T20:38:37.594000+00:00",
"EndTime": "2020-05-19T20:45:07.894000+00:00",
"ExpirationTime": "2020-09-17T20:38:37+00:00",
"InputDataConfig": {
"S3Bucket": "comp-med-input",
"S3Key": "AKIAIOSFODNN7EXAMPLE"
},
"OutputDataConfig": {
"S3Bucket": "comp-med-output",
"S3Key": "AKIAIOSFODNN7EXAMPLE"
},
"LanguageCode": "en",
"DataAccessRoleArn": "arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole",
"ModelVersion": "0.1.0"
}
]
}
```
Weitere Informationen finden Sie unter [Ontologie zur Verknüpfung von Batch-Analysen](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html) im *Entwicklerhandbuch für Amazon Comprehend Medical*.
+ Einzelheiten zur API finden Sie [ListSnomedctInferenceJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/list-snomedct-inference-jobs.html)in der *AWS CLI Befehlsreferenz*.
### `start-entities-detection-v2-job`
Das folgende Codebeispiel zeigt die Verwendung`start-entities-detection-v2-job`.
**AWS CLI**
**So starten Sie einen Auftrag zur Erkennung von Entitäten**
Im folgenden Beispiel für `start-entities-detection-v2-job` wird ein asynchronen Auftrag zur Erkennung von Entitäten gestartet.
```
aws comprehendmedical start-entities-detection-v2-job \
--input-data-config "S3Bucket=comp-med-input" \
--output-data-config "S3Bucket=comp-med-output" \
--data-access-role-arn arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole \
--language-code en
```
Ausgabe:
```
{
"JobId": "ab9887877365fe70299089371c043b96"
}
```
Weitere Informationen finden Sie unter [Batch APIs](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-batchapi.html) im *Amazon Comprehend Medical Developer Guide*.
+ *API-Details finden Sie unter [StartEntitiesDetectionV2Job](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/start-entities-detection-v2-job.html) in der Befehlsreferenz.AWS CLI *
### `start-icd10-cm-inference-job`
Das folgende Codebeispiel zeigt die Verwendung. `start-icd10-cm-inference-job`
**AWS CLI**
**So starten Sie einen ICD-10-CM-Inferenzauftrag**
Im folgenden Beispiel für `start-icd10-cm-inference-job` wird ein Inferenz-Batch-Analyseauftrag für ICD-10-CM gestartet.
```
aws comprehendmedical start-icd10-cm-inference-job \
--input-data-config "S3Bucket=comp-med-input" \
--output-data-config "S3Bucket=comp-med-output" \
--data-access-role-arn arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole \
--language-code en
```
Ausgabe:
```
{
"JobId": "ef7289877365fc70299089371c043b96"
}
```
Weitere Informationen finden Sie unter [Ontologie zur Verknüpfung von Batch-Analysen](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html) im *Entwicklerhandbuch für Amazon Comprehend Medical*.
+ Einzelheiten zur API finden Sie unter [StartIcd10 CmInferenceJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/start-icd10-cm-inference-job.html) in der *AWS CLI Befehlsreferenz*.
### `start-phi-detection-job`
Das folgende Codebeispiel zeigt die Verwendung`start-phi-detection-job`.
**AWS CLI**
**So starten Sie einen PHI-Erkennungsauftrag**
Im folgenden Beispiel für `start-phi-detection-job` wird ein asynchronen Auftrag zur Erkennung von PHI-Entitäten gestartet.
```
aws comprehendmedical start-phi-detection-job \
--input-data-config "S3Bucket=comp-med-input" \
--output-data-config "S3Bucket=comp-med-output" \
--data-access-role-arn arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole \
--language-code en
```
Ausgabe:
```
{
"JobId": "ab9887877365fe70299089371c043b96"
}
```
Weitere Informationen finden Sie unter [Batch APIs](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-batchapi.html) im *Amazon Comprehend Medical Developer Guide*.
+ Einzelheiten zur API finden Sie [StartPhiDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/start-phi-detection-job.html)in der *AWS CLI Befehlsreferenz*.
### `start-rx-norm-inference-job`
Das folgende Codebeispiel zeigt die Verwendung`start-rx-norm-inference-job`.
**AWS CLI**
**Um einen RxNorm Inferenzjob zu starten**
Im folgenden `start-rx-norm-inference-job` Beispiel wird ein Auftrag zur Batch-Analyse von RxNorm Inferenzen gestartet.
```
aws comprehendmedical start-rx-norm-inference-job \
--input-data-config "S3Bucket=comp-med-input" \
--output-data-config "S3Bucket=comp-med-output" \
--data-access-role-arn arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole \
--language-code en
```
Ausgabe:
```
{
"JobId": "eg8199877365fc70299089371c043b96"
}
```
Weitere Informationen finden Sie unter [Ontologie zur Verknüpfung von Batch-Analysen](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html) im *Entwicklerhandbuch für Amazon Comprehend Medical*.
+ Einzelheiten zur API finden Sie [StartRxNormInferenceJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/start-rx-norm-inference-job.html)in der *AWS CLI Befehlsreferenz.*
### `start-snomedct-inference-job`
Das folgende Codebeispiel zeigt die Verwendung`start-snomedct-inference-job`.
**AWS CLI**
**So starten Sie einen SNOMED-CT-Inferenzauftrag**
Im folgenden Beispiel für `start-snomedct-inference-job` wird ein Inferenz-Batch-Analyseauftrag für SNOMED CT gestartet.
```
aws comprehendmedical start-snomedct-inference-job \
--input-data-config "S3Bucket=comp-med-input" \
--output-data-config "S3Bucket=comp-med-output" \
--data-access-role-arn arn:aws:iam::867139942017:role/ComprehendMedicalBatchProcessingRole \
--language-code en
```
Ausgabe:
```
{
"JobId": "dg7289877365fc70299089371c043b96"
}
```
Weitere Informationen finden Sie unter [Ontologie zur Verknüpfung von Batch-Analysen](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html) im *Entwicklerhandbuch für Amazon Comprehend Medical*.
+ Einzelheiten zur API finden Sie [StartSnomedctInferenceJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/start-snomedct-inference-job.html)in der *AWS CLI Befehlsreferenz*.
### `stop-entities-detection-v2-job`
Das folgende Codebeispiel zeigt die Verwendung`stop-entities-detection-v2-job`.
**AWS CLI**
**So halten Sie einen Auftrag zur Erkennung von Entitäten an**
Im folgenden Beispiel für `stop-entities-detection-v2-job` wird ein asynchronen Auftrag zur Erkennung von Entitäten angehalten.
```
aws comprehendmedical stop-entities-detection-v2-job \
--job-id "ab9887877365fe70299089371c043b96"
```
Ausgabe:
```
{
"JobId": "ab9887877365fe70299089371c043b96"
}
```
Weitere Informationen finden Sie unter [Batch APIs](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-batchapi.html) im *Amazon Comprehend Medical Developer Guide*.
+ *API-Details finden Sie unter [StopEntitiesDetectionV2Job](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/stop-entities-detection-v2-job.html) in der Befehlsreferenz.AWS CLI *
### `stop-icd10-cm-inference-job`
Das folgende Codebeispiel zeigt die Verwendung. `stop-icd10-cm-inference-job`
**AWS CLI**
**So halten Sie einen ICD-10-CM-Inferenzauftrag an**
Im folgenden Beispiel für `stop-icd10-cm-inference-job` wird ein Inferenz-Batch-Analyseauftrag für ICD-10-CM angehalten.
```
aws comprehendmedical stop-icd10-cm-inference-job \
--job-id "4750034166536cdb52ffa3295a1b00a3"
```
Ausgabe:
```
{
"JobId": "ef7289877365fc70299089371c043b96",
}
```
Weitere Informationen finden Sie unter [Ontologie zur Verknüpfung von Batch-Analysen](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html) im *Entwicklerhandbuch für Amazon Comprehend Medical*.
+ Einzelheiten zur API finden Sie unter [StopIcd10 CmInferenceJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/stop-icd10-cm-inference-job.html) in der *AWS CLI Befehlsreferenz*.
### `stop-phi-detection-job`
Das folgende Codebeispiel zeigt die Verwendung`stop-phi-detection-job`.
**AWS CLI**
**So halten Sie einen Erkennungsauftrag für geschützte Gesundheitsinformationen (PHI) an**
Im folgenden Beispiel für `stop-phi-detection-job` wird ein asynchroner Auftrag zur Erkennung geschützter Gesundheitsinformationen (PHI) angehalten.
```
aws comprehendmedical stop-phi-detection-job \
--job-id "4750034166536cdb52ffa3295a1b00a3"
```
Ausgabe:
```
{
"JobId": "ab9887877365fe70299089371c043b96"
}
```
Weitere Informationen finden Sie unter [Batch APIs](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-batchapi.html) im *Amazon Comprehend Medical Developer Guide*.
+ Einzelheiten zur API finden Sie [StopPhiDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/stop-phi-detection-job.html)in der *AWS CLI Befehlsreferenz*.
### `stop-rx-norm-inference-job`
Das folgende Codebeispiel zeigt die Verwendung`stop-rx-norm-inference-job`.
**AWS CLI**
**Um einen RxNorm Inferenzjob zu beenden**
Im folgenden Beispiel für `stop-rx-norm-inference-job` wird ein Inferenz-Batch-Analyseauftrag für ICD-10-CM angehalten.
```
aws comprehendmedical stop-rx-norm-inference-job \
--job-id "eg8199877365fc70299089371c043b96"
```
Ausgabe:
```
{
"JobId": "eg8199877365fc70299089371c043b96",
}
```
Weitere Informationen finden Sie unter [Ontologie zur Verknüpfung von Batch-Analysen](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html) im *Entwicklerhandbuch für Amazon Comprehend Medical*.
+ Einzelheiten zur API finden Sie [StopRxNormInferenceJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/stop-rx-norm-inference-job.html)in der *AWS CLI Befehlsreferenz.*
### `stop-snomedct-inference-job`
Das folgende Codebeispiel zeigt die Verwendung`stop-snomedct-inference-job`.
**AWS CLI**
**So halten Sie einen SNOMED-CT-Inferenzauftrag an**
Im folgenden Beispiel für `stop-snomedct-inference-job` wird ein Inferenz-Batch-Analyseauftrag für SNOMED CT angehalten.
```
aws comprehendmedical stop-snomedct-inference-job \
--job-id "8750034166436cdb52ffa3295a1b00a1"
```
Ausgabe:
```
{
"JobId": "8750034166436cdb52ffa3295a1b00a1",
}
```
Weitere Informationen finden Sie unter [Ontologie zur Verknüpfung von Batch-Analysen](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html) im *Entwicklerhandbuch für Amazon Comprehend Medical*.
+ Einzelheiten zur API finden Sie [StopSnomedctInferenceJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/stop-snomedct-inference-job.html)in der *AWS CLI Befehlsreferenz*.