View a markdown version of this page

Erste Schritte mit dem AWS-Managementkonsole - AWS HealthLake
Schritt 1: Navigieren Sie zum Data Transformation AgentSchritt 2: Erstellen Sie ein TransformationsprofilSchritt 3: Passen Sie es mit dem Data Transformation AI-Agent an (optional)Schritt 4: Veröffentlichen Sie das ProfilSchritt 5: Führen Sie einen Transformationsjob ausSchritt 6: Ergebnisse überprüfen

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.

Erste Schritte mit dem AWS-Managementkonsole

Schritt 1: Navigieren Sie zum Data Transformation Agent

  1. Öffnen Sie die AWS HealthLake -Konsole.

  2. Klicken Sie auf der Landingpage auf Get started und wählen Sie Transform Data aus.

  3. Wählen Sie in der linken Navigationsleiste unter dem Abschnitt Data Transformation Agent die Option Profile aus, um Profile zu verwalten, oder Jobs, um Konvertierungen durchzuführen.

Schritt 2: Erstellen Sie ein Transformationsprofil

  1. Wählen Sie in der linken Navigationsleiste Profile und klicken Sie auf Profil erstellen.

  2. Wählen Sie das Quellformat:

    • C-CDA: klinische XML-Dokumente (Krankenhausakten, Zusammenfassungen der Entlassungen, Dokumente zur Kontinuität der Versorgung).

    • CSV: tabellarische Exporte (Data-Warehouse-Extrakte, EHR-Flatfiles, Schadensdaten).

  3. Wählen Sie aus, wie das Profil initialisiert werden soll:

    • Für C-CDA: Beginnen Sie mit dem AWS Starter-Profil (ein vordefiniertes Profil mit allgemeinen Zuordnungen von Abschnitten zu Ressourcen).

    • Für CSV: Geben Sie einen Amazon S3 S3-Pfad zu einem Ordner mit repräsentativen CSV-Dateien an. Der AI-Agent analysiert Ihre Dateien und generiert ein Basisprofil.

  4. Geben Sie einen Profilnamen und eine optionale Beschreibung ein.

  5. Wählen Sie Erstellen aus.

Das Profil wird im Entwurfsstatus (Version 0) erstellt: eine veränderbare Arbeitskopie, die Sie nach Belieben bearbeiten können.

Schritt 3: Passen Sie es mit dem Data Transformation AI-Agent an (optional)

Für C-CDA Profile:

  1. Öffnen Sie das Profil und wechseln Sie zur Bearbeitungsansicht. Das Agentenfenster für Data Transformation AI wird auf der rechten Seite angezeigt.

  2. Beschreiben Sie Änderungen in natürlicher Sprache (z. B. „Stellen Sie den Standardstatus für Patientenressourcen auf Washington ein“).

  3. Der Agent bearbeitet die Velocity-Vorlagen.

  4. Wählen Sie die Registerkarte Test, fügen Sie Ihr Beispiel ein C-CDA und klicken Sie auf Test ausführen, um eine Vorschau der Konvertierung anzuzeigen.

  5. Iterieren Sie, bis die Ausgabe korrekt ist.

Für CSV-Profile:

  1. Der Agent analysiert Ihre Beispieldateien und schlägt ein YAML-Mapping vor: Zuordnungen von Spalten zu FHIR, date/value Übersetzungen, Beziehungen und Aggregationsregeln. PK/FK

  2. Prüfen Sie jedes vorgeschlagene Mapping: akzeptieren, ablehnen oder verfeinern.

  3. Bitten Sie um Anpassungen in natürlicher Sprache (z. B. „Ordnen Sie die Spalte RACE_CD einer FHIR-Erweiterung zu“).

  4. Sehen Sie sich im Test-Tab eine Vorschau der Konvertierungsergebnisse an (Quelle links, FHIR-Ausgabe rechts).

Schritt 4: Veröffentlichen Sie das Profil

  1. Wenn Sie zufrieden sind, wählen Sie Veröffentlichen. Dadurch wird eine unveränderliche Version erstellt.

  2. Ihr Entwurf bleibt editierbar. Bei Massenaufträgen wird immer die neueste veröffentlichte Version verwendet.

Um ein Rollback durchzuführen: Wählen Sie eine frühere Version aus und veröffentlichen Sie sie erneut. Dadurch wird eine neue Version aus dem vorherigen Snapshot erstellt: nichts wird gelöscht.

Schritt 5: Führen Sie einen Transformationsjob aus

  1. Wählen Sie in der linken Navigationsleiste unter Data Transformation Agent die Option Jobs aus.

  2. Wählen Sie Neuen Job starten aus.

  3. Geben Sie die Jobdetails ein:

    • Jobname: ein beschreibender Name (erscheint in CloudWatch Protokollen und Metriken).

    • Beschreibung: optional.

  4. Transformationseinstellungen konfigurieren:

    • Datenquellenformat: C-CDA oder CSV.

    • Transformationsprofil: Wählen Sie ein veröffentlichtes Profil aus (es werden nur veröffentlichte Profile mit Version ≥ 1 angezeigt).

    • Ausgabemodus:

      • Amazon Amazon S3: Konvertierte FHIR in einen Amazon S3 S3-Speicherort schreiben (eigenständige Konvertierung).

      • AWS HealthLake: direkt konvertieren und in einen HealthLake Datenspeicher aufnehmen. Falls ausgewählt, wählen Sie den HealthLake Zieldatenspeicher aus (muss sich im Status AKTIV befinden).

    • Herkunft: standardmäßig aktiviert. Generiert FHIR-Provenance-Ressourcen, die die Ausgabe bis zur Quelle zurückverfolgen. Nur deaktivieren, wenn die Herkunft nicht benötigt wird.

    • Drift-Erkennung: standardmäßig aktiviert. Erzeugt einen Bericht mit Quellelementen, die nicht zugeordnet wurden.

  5. Quelldaten konfigurieren:

    • Amazon S3 S3-Quellspeicherort: Der Amazon S3 S3-Ordner, der Ihre Quelldateien enthält (muss ein Präfix enthalten, nicht nur einen Bucket-Namen).

    • Datenzugriffsrolle: Die IAM-Rolle HealthLake übernimmt das Lesen Ihrer Quelldateien und das Schreiben der Ausgabe. Die Vertrauens- und Berechtigungsrichtlinien finden Einrichtung Sie unter.

  6. Konfiguration der Ausgabe konfigurieren (wenn):

    • Amazon S3 S3-URI ausgeben: wohin die konvertierten Ausgabe- und Jobprotokolle geschrieben werden sollen.

    • AWS KMS Schlüssel: der AWS KMS Schlüssel zur Verschlüsselung der Ausgabe im Ruhezustand (erforderlich).

  7. Wählen Sie Job erstellen aus.

Schritt 6: Ergebnisse überprüfen

  1. Auf der Seite mit den Auftragsdetails wird der Fortschritt in Echtzeit angezeigt: Status, verarbeitete Dateien (Zeilen für CSV), generierte FHIR-Ressourcen und Fehler.

  2. Wenn Sie fertig sind, navigieren Sie zum Amazon S3 S3-Ausgabespeicherort. Der Service erstellt unter Ihrer Ausgabe-URI unter Verwendung der Job-ID einen Ordner für den Auftragsbereich. In diesem Ordner:

    • konvertiert/: FHIR NDJSON-Ausgabedateien (eine pro Eingabedatei, z. B. -record.ndjson). converted/patient

    • ERROR/: Fehlerdetails für fehlgeschlagene Eingaben (JSON-Dateien mit den Feldern InputFile und errorMessage, z. B.). ERROR/bad-file.json

    • Manifest.json: Jobzusammenfassung mit aggregierten Kennzahlen (gescannte, konvertierte, fehlgeschlagene Dateien, generierte Ressourcen).

    • JobLevelDriftResult.json: der aggregierte Drift-Bericht für den Job (falls die Drift-Erkennung aktiviert war).

    • driftDetectionPerFileResults/: Drift-Berichte pro Datei für C-CDA Jobs (wenn die Drift-Erkennung aktiviert war), z. B. driftDetectionPerFileResults/patient Metrics.json -record_drift.