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.
Ermitteln PHI
Verwenden Sie die PHI Operation Erkennen, wenn Sie beim Scannen des klinischen Textes nur geschützte Gesundheitsinformationen (PHI) erkennen möchten. Verwenden Sie DetectEntitiesV2, um alle verfügbaren Entitäten im klinischen Text zu erkennen.
Dies API ist am besten für einen Anwendungsfall geeignet, bei dem nur PHI Entitäten erkannt werden müssen. Informationen zu Informationen in den PHI Nichtkategorien finden Sie unterEntitäten erkennen (Version 2).
Wichtig
Amazon Comprehend Medical bietet Konfidenzwerte, die das Maß an Vertrauen in die Genauigkeit der erkannten Entitäten angeben. Bewerten Sie diese Konfidenzwerte und ermitteln Sie den richtigen Vertrauensschwellenwert für Ihren Anwendungsfall. Für spezielle Anwendungsfälle zur Einhaltung von Vorschriften empfehlen wir, zusätzliche menschliche Prüfungen oder andere Methoden zu verwenden, um die Richtigkeit der erkannten Daten zu überprüfenPHI.
Gemäß dem HIPAA Gesetz, PHI das auf einer Liste von 18 Identifikatoren basiert, muss mit besonderer Vorsicht vorgegangen werden. Amazon Comprehend Medical erkennt Entitäten, die mit diesen Kennungen verknüpft sind, aber diese Entitäten werden der durch die Safe-Harbor-Methode angegebenen Liste nicht 1:1 zugeordnet. Nicht alle Identifikatoren sind in unstrukturiertem klinischem Text enthalten, Amazon Comprehend Medical deckt jedoch alle relevanten Identifikatoren ab. Diese Identifikatoren bestehen aus Daten, die zur Identifizierung eines einzelnen Patienten verwendet werden können, einschließlich der folgenden Liste. Weitere Informationen finden Sie unter Datenschutz in Gesundheitsinformationen
Jede PHI zugehörige Entität enthält eine Punktzahl (Scorein der Antwort), die angibt, inwieweit Amazon Comprehend Medical in die Genauigkeit der Erkennung vertraut. Identifizieren Sie den richtigen Vertrauensschwellenwert für Ihren Anwendungsfall und filtern Sie Entitäten heraus, die diesen Schwellenwert nicht erfüllen. Bei der Identifizierung von Vorkommen von ist es möglicherweise besserPHI, einen niedrigen Konfidenzschwellenwert für die Filterung zu verwenden, um mehr potenziell erkannte Entitäten zu erfassen. Dies gilt insbesondere dann, wenn die Werte der erkannten Entitäten nicht in Compliance-Anwendungsfällen verwendet werden.
Die folgenden verwandten PHI Entitäten können erkannt werden, indem die Operationen Detect PHI oder DetectEntitiesV2 ausgeführt werden:
|
Entität |
Beschreibung |
HIPAA-Kategorie |
|---|---|---|
|
AGE |
Alle Altersbestandteile, Altersspannen und jedes angegebene Alter, unabhängig davon, ob es sich um einen Patienten, ein Familienmitglied oder andere an der Notiz beteiligte Personen handelt. Die Standardeinstellung ist in Jahren angegeben, sofern nicht anders angegeben. |
3. Daten, die sich auf eine Person beziehen |
| DATE | Jedes Datum, das sich auf den Patienten oder die Patientenversorgung bezieht. | 3. Daten, die sich auf eine Person beziehen |
|
NAME |
Alle in der klinischen Notiz genannten Namen gehören in der Regel einem Patienten, einer Familie oder einem Anbieter. |
1. Name |
|
PHONE_ODER_ FAX |
Jedes Telefon, Fax, Pager; ausgenommen benannte Telefonnummern wie 1-800- QUIT - NOW sowie 911. |
4. Phone number (Telefonnummer) 5. FAXNummer |
|
|
Beliebige E-Mail-Adresse. |
6. E-Mail-Adressen |
|
ID |
Jede Art von Nummer, die mit der Identität eines Patienten verknüpft ist. Dazu gehören die Sozialversicherungsnummer, die Nummer der Krankenakte, die Identifikationsnummer der Einrichtung, die Nummer der klinischen Studie, die Zertifikat- oder Lizenznummer, die Fahrzeug- oder Gerätenummer. Dazu gehören auch biometrische Nummern und Nummern, die den Ort der Behandlung oder den Leistungserbringer identifizieren. |
7. Sozialversicherungsnummer 8. Nummer der Krankenakte 9. Nummer Health Gesundheitsplans 10. Kontonummern 11. Zertifikats-/Lizenznummern 12. Fahrzeug-Identifikatoren 13. Gerätenummern 16. Biometrische Informationen 18. Alle anderen identifizierenden Merkmale |
|
URL |
Irgendein WebURL. |
14. URLs |
|
ADDRESS |
Dazu gehören alle geografischen Unterteilungen einer Adresse einer Einrichtung, benannte medizinische Einrichtungen oder Abteilungen innerhalb einer Einrichtung. |
2. Geografischer Standort |
|
PROFESSION |
Schließt alle Berufe oder Arbeitgeber ein, die in einer Notiz erwähnt werden und sich auf den Patienten oder dessen Familie beziehen. |
18. Alle anderen identifizierenden Merkmale |
Beispiel
Der Text „Patient ist John Smith, ein 48-jähriger Lehrer mit Wohnsitz in Seattle, Washington.“ Folgendes zurück:
-
„John Smith“ als Entität des Typs
NAMEin derPROTECTED_HEALTH_INFORMATIONKategorie. -
„48" als Entität des Typs
AGEin derPROTECTED_HEALTH_INFORMATIONKategorie. -
„Lehrer“ als eine Entität des Typs
PROFESSION(identifizierendes Merkmal) in derPROTECTED_HEALTH_INFORMATIONKategorie. -
„Seattle, Washington“ als
ADDRESSEntität in derPROTECTED_HEALTH_INFORMATIONKategorie.
In der Amazon Comprehend Medical Medical-Konsole wird dies wie folgt angezeigt:
Wenn Sie den PHIDetect-Vorgang verwenden, sieht die Antwort wie folgt aus. Wenn Sie den tartPHIDetectionS-Job-Vorgang verwenden, erstellt Amazon Comprehend Medical am Ausgabeort eine Datei mit dieser Struktur.
{
"Entities": [
{
"Id": 0,
"BeginOffset": 11,
"EndOffset": 21,
"Score": 0.997368335723877,
"Text": "John Smith",
"Category": "PROTECTED_HEALTH_INFORMATION",
"Type": "NAME",
"Traits": []
},
{
"Id": 1,
"BeginOffset": 25,
"EndOffset": 27,
"Score": 0.9998362064361572,
"Text": "48",
"Category": "PROTECTED_HEALTH_INFORMATION",
"Type": "AGE",
"Traits": []
},
{
"Id": 2,
"BeginOffset": 37,
"EndOffset": 44,
"Score": 0.8661606311798096,
"Text": "teacher",
"Category": "PROTECTED_HEALTH_INFORMATION",
"Type": "PROFESSION",
"Traits": []
},
{
"Id": 3,
"BeginOffset": 61,
"EndOffset": 68,
"Score": 0.9629441499710083,
"Text": "Seattle",
"Category": "PROTECTED_HEALTH_INFORMATION",
"Type": "ADDRESS",
"Traits": []
},
{
"Id": 4,
"BeginOffset": 78,
"EndOffset": 88,
"Score": 0.38217034935951233,
"Text": "Washington",
"Category": "PROTECTED_HEALTH_INFORMATION",
"Type": "ADDRESS",
"Traits": []
}
],
"UnmappedAttributes": []
}