D'autres exemples de AWS SDK sont disponibles dans le référentiel [AWS Doc SDK Examples](https://github.com/awsdocs/aws-doc-sdk-examples) GitHub .
Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
# Exemples d'Amazon Comprehend Medical utilisant AWS CLI
Les exemples de code suivants vous montrent comment effectuer des actions et implémenter des scénarios courants à l' AWS Command Line Interface aide d'Amazon Comprehend Medical.
Les *actions* sont des extraits de code de programmes plus larges et doivent être exécutées dans leur contexte. Alors que les actions vous indiquent comment appeler des fonctions de service individuelles, vous pouvez les voir en contexte dans leurs scénarios associés.
Chaque exemple inclut un lien vers le code source complet, où vous trouverez des instructions sur la configuration et l’exécution du code en contexte.
**Topics**
+ [Actions](#actions)
## Actions
### `describe-entities-detection-v2-job`
L'exemple de code suivant montre comment utiliser`describe-entities-detection-v2-job`.
**AWS CLI**
**Pour décrire une tâche de détection d’entités**
L’exemple `describe-entities-detection-v2-job` suivant affiche les propriétés associées à une tâche asynchrone de détection d’entités.
```
aws comprehendmedical describe-entities-detection-v2-job \
--job-id "ab9887877365fe70299089371c043b96"
```
Sortie :
```
{
"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"
}
}
```
Pour plus d'informations, consultez [Batch APIs](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-batchapi.html) dans le manuel *Amazon Comprehend Medical Developer Guide*.
+ Pour plus de détails sur l'API, consultez [DescribeEntitiesDetectionV2Job](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/describe-entities-detection-v2-job.html) dans *AWS CLI Command* Reference.
### `describe-icd10-cm-inference-job`
L'exemple de code suivant montre comment utiliser`describe-icd10-cm-inference-job`.
**AWS CLI**
**Pour décrire une tâche d’inférence ICD-10-CM**
L’exemple `describe-icd10-cm-inference-job` suivant décrit les propriétés de la tâche d’inférence demandée avec l’ID de tâche spécifié.
```
aws comprehendmedical describe-icd10-cm-inference-job \
--job-id "5780034166536cdb52ffa3295a1b00a7"
```
Sortie :
```
{
"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"
}
}
```
Pour plus d’informations, consultez [Analyse par lots de la liaison d’ontologie](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html) dans le *Guide du développeur Amazon Comprehend Medical*.
+ Pour plus de détails sur l'API, reportez-vous à la section [DescribeIcd10 CmInferenceJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/describe-icd10-cm-inference-job.html) de *AWS CLI la section Référence des commandes*.
### `describe-phi-detection-job`
L'exemple de code suivant montre comment utiliser`describe-phi-detection-job`.
**AWS CLI**
**Pour décrire une tâche de détection des PHI**
L’exemple `describe-phi-detection-job` suivant affiche les propriétés associées à une tâche asynchrone de détection d’informations protégées relatives à la santé (PHI).
```
aws comprehendmedical describe-phi-detection-job \
--job-id "4750034166536cdb52ffa3295a1b00a3"
```
Sortie :
```
{
"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"
}
}
```
Pour plus d'informations, consultez [Batch APIs](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-batchapi.html) dans le manuel *Amazon Comprehend Medical Developer Guide*.
+ Pour plus de détails sur l'API, reportez-vous [DescribePhiDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/describe-phi-detection-job.html)à la section *Référence des AWS CLI commandes*.
### `describe-rx-norm-inference-job`
L'exemple de code suivant montre comment utiliser`describe-rx-norm-inference-job`.
**AWS CLI**
**Pour décrire une tâche d' RxNorm inférence**
L’exemple `describe-rx-norm-inference-job` suivant décrit les propriétés de la tâche d’inférence demandée avec l’ID de tâche spécifié.
```
aws comprehendmedical describe-rx-norm-inference-job \
--job-id "eg8199877365fc70299089371c043b96"
```
Sortie :
```
{
"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"
}
}
```
Pour plus d’informations, consultez [Analyse par lots de la liaison d’ontologie](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html) dans le *Guide du développeur Amazon Comprehend Medical*.
+ Pour plus de détails sur l'API, reportez-vous [DescribeRxNormInferenceJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/describe-rx-norm-inference-job.html)à la section *Référence des AWS CLI commandes*.
### `describe-snomedct-inference-job`
L'exemple de code suivant montre comment utiliser`describe-snomedct-inference-job`.
**AWS CLI**
**Pour décrire une tâche d’inférence SNOMED CT**
L’exemple `describe-snomedct-inference-job` suivant décrit les propriétés de la tâche d’inférence demandée avec l’ID de tâche spécifié.
```
aws comprehendmedical describe-snomedct-inference-job \
--job-id "2630034166536cdb52ffa3295a1b00a7"
```
Sortie :
```
{
"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"
}
}
```
Pour plus d’informations, consultez [Analyse par lots de la liaison d’ontologie](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html) dans le *Guide du développeur Amazon Comprehend Medical*.
+ Pour plus de détails sur l'API, reportez-vous [DescribeSnomedctInferenceJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/describe-snomedct-inference-job.html)à la section *Référence des AWS CLI commandes*.
### `detect-entities-v2`
L'exemple de code suivant montre comment utiliser`detect-entities-v2`.
**AWS CLI**
**Exemple 1 : pour détecter des entités directement à partir du texte**
L’exemple `detect-entities-v2` suivant montre les entités détectées et les étiquette en fonction de leur type, directement à partir du texte d’entrée.
```
aws comprehendmedical detect-entities-v2 \
--text "Sleeping trouble on present dosage of Clonidine. Severe rash on face and leg, slightly itchy."
```
Sortie :
```
{
"Id": 0,
"BeginOffset": 38,
"EndOffset": 47,
"Score": 0.9942955374717712,
"Text": "Clonidine",
"Category": "MEDICATION",
"Type": "GENERIC_NAME",
"Traits": []
}
```
Pour plus d’informations, consultez [Détection des entités version 2](https://docs.aws.amazon.com/comprehend/latest/dg/extracted-med-info-V2.html) dans le *Guide du développeur Amazon Comprehend Medical*.
**Exemple 2 : pour détecter des entités à partir d’un chemin de fichier**
L’exemple `detect-entities-v2` suivant montre les entités détectées et les étiquette en fonction de leur type, à partir d’un chemin de fichier.
```
aws comprehendmedical detect-entities-v2 \
--text file://medical_entities.txt
```
Contenu de `medical_entities.txt` :
```
{
"Sleeping trouble on present dosage of Clonidine. Severe rash on face and leg, slightly itchy."
}
```
Sortie :
```
{
"Id": 0,
"BeginOffset": 38,
"EndOffset": 47,
"Score": 0.9942955374717712,
"Text": "Clonidine",
"Category": "MEDICATION",
"Type": "GENERIC_NAME",
"Traits": []
}
```
Pour plus d’informations, consultez [Détection des entités version 2](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-entitiesv2.html) dans le *Guide du développeur Amazon Comprehend Medical*.
+ Pour plus de détails sur l'API, voir [DetectEntitiesV2](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/detect-entities-v2.html) dans *AWS CLI Command Reference*.
### `detect-phi`
L'exemple de code suivant montre comment utiliser`detect-phi`.
**AWS CLI**
**Exemple 1 : pour détecter des informations protégées relatives à la santé (PHI) directement à partir du texte**
L’exemple `detect-phi` suivant affiche les entités d’informations protégées relatives à la santé (PHI) détectées directement à partir du texte d’entrée.
```
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."
```
Sortie :
```
{
"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"
}
```
Pour plus d’informations, consultez [Détection des PHI](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-phi.html) dans le *Guide du développeur Amazon Comprehend Medical*.
**Exemple 2 : pour détecter des informations protégées relatives à la santé (PHI) directement à partir d’un chemin de fichier**
L’exemple `detect-phi` suivant montre les entités d’informations protégées relatives à la santé (PHI) détectées à partir d’un chemin de fichier.
```
aws comprehendmedical detect-phi \
--text file://phi.txt
```
Contenu de `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."
```
Sortie :
```
{
"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"
}
```
Pour plus d’informations, consultez [Détection des PHI](https://docs.aws.amazon.com/comprehend/latest/dg/how-medical-phi.html) dans le *Guide du développeur Amazon Comprehend Medical*.
+ Pour plus de détails sur l'API, reportez-vous [DetectPhi](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/detect-phi.html)à la section *Référence des AWS CLI commandes*.
### `infer-icd10-cm`
L'exemple de code suivant montre comment utiliser`infer-icd10-cm`.
**AWS CLI**
**Exemple 1 : pour détecter des entités liées à un état de santé et les associer à l’ontologie ICD-10-CM directement à partir du texte**
L’exemple `infer-icd10-cm` suivant étiquette les entités d’état de santé détectées et les associe aux codes de l’édition 2019 de la Classification internationale des maladies, modification clinique (ICD-10-CM).
```
aws comprehendmedical infer-icd10-cm \
--text "The patient complains of abdominal pain, has a long-standing history of diabetes treated with Micronase daily."
```
Sortie :
```
{
"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"
}
```
Pour plus d'informations, consultez [Infer ICD10 -CM dans le manuel *Amazon Comprehend* Medical Developer](https://docs.aws.amazon.com/comprehend/latest/dg/ontology-linking-icd10.html) Guide.
**Exemple 2 : pour détecter des entités liées à un état de santé et les associer à l’ontologie ICD-10-CM directement à partir d’un chemin de fichier**
L’exemple `infer-icd-10-cm` suivant étiquette les entités d’état de santé détectées et les associe aux codes de l’édition 2019 de la Classification internationale des maladies, modification clinique (ICD-10-CM).
```
aws comprehendmedical infer-icd10-cm \
--text file://icd10cm.txt
```
Contenu de `icd10cm.txt` :
```
{
"The patient complains of abdominal pain, has a long-standing history of diabetes treated with Micronase daily."
}
```
Sortie :
```
{
"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"
}
```
Pour plus d'informations, consultez [Infer- ICD10 -CM dans le manuel *Amazon Comprehend* Medical Developer](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontology-icd10.html) Guide.
+ Pour plus de détails sur l'API, voir [InferIcd10Cm](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/infer-icd10-cm.html) dans *AWS CLI Command Reference*.
### `infer-rx-norm`
L'exemple de code suivant montre comment utiliser`infer-rx-norm`.
**AWS CLI**
**Exemple 1 : pour détecter les entités médicamenteuses et créer un lien vers celles-ci RxNorm directement à partir du texte**
L'`infer-rx-norm`exemple suivant montre et étiquette les entités médicamenteuses détectées et lie ces entités aux identificateurs conceptuels (RxCUI) de la base de données de la 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."
```
Sortie :
```
{
"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"
}
```
Pour plus d'informations, consultez la section [Infer du manuel *Amazon Comprehend Medical* Developer RxNorm](https://docs.aws.amazon.com/comprehend/latest/dg/ontology-linking-rxnorm.html) Guide.
**Exemple 2 : pour détecter des entités médicamenteuses et établir un lien vers celles-ci à RxNorm partir d'un chemin de fichier.**
L'`infer-rx-norm`exemple suivant montre et étiquette les entités médicamenteuses détectées et lie ces entités aux identificateurs conceptuels (RxCUI) de la base de données de la National Library of Medicine. RxNorm
```
aws comprehendmedical infer-rx-norm \
--text file://rxnorm.txt
```
Contenu de `rxnorm.txt` :
```
{
"Patient reports taking Levothyroxine 125 micrograms p.o. once daily, but denies taking Synthroid."
}
```
Sortie :
```
{
"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"
}
```
Pour plus d'informations, consultez la section [Infer du manuel *Amazon Comprehend Medical* Developer RxNorm](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontology-RxNorm.html) Guide.
+ Pour plus de détails sur l'API, reportez-vous [InferRxNorm](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/infer-rx-norm.html)à la section *Référence des AWS CLI commandes*.
### `infer-snomedct`
L'exemple de code suivant montre comment utiliser`infer-snomedct`.
**AWS CLI**
**Exemple : pour détecter des entités et les associer à l’ontologie SNOMED CT directement à partir du texte**
L’exemple `infer-snomedct` suivant montre comment détecter des entités médicales et les associer aux concepts de la version 2021-03 de la Nomenclature systématisée des termes cliniques en médecine (SNOMED CT).
```
aws comprehendmedical infer-snomedct \
--text "The patient complains of abdominal pain, has a long-standing history of diabetes treated with Micronase daily."
```
Sortie :
```
{
"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"
}
```
Pour plus d’informations, consultez [InferSNOMEDCT](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontology-linking-snomed.html) dans le *Guide du développeur Amazon Comprehend Medical*.
+ Pour plus de détails sur l'API, reportez-vous [InferSnomedct](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/infer-snomedct.html)à la section *Référence des AWS CLI commandes*.
### `list-entities-detection-v2-jobs`
L'exemple de code suivant montre comment utiliser`list-entities-detection-v2-jobs`.
**AWS CLI**
**Pour répertorier les tâches de détection d’entités**
L’exemple `list-entities-detection-v2-jobs` suivant répertorie les tâches asynchrones de détection actuelles.
```
aws comprehendmedical list-entities-detection-v2-jobs
```
Sortie :
```
{
"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"
}
]
}
```
Pour plus d'informations, consultez [Batch APIs](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-batchapi.html) dans le manuel *Amazon Comprehend Medical Developer Guide*.
+ Pour plus de détails sur l'API, consultez [ListEntitiesDetectionV2Jobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/list-entities-detection-v2-jobs.html) dans *AWS CLI Command* Reference.
### `list-icd10-cm-inference-jobs`
L'exemple de code suivant montre comment utiliser`list-icd10-cm-inference-jobs`.
**AWS CLI**
**Pour répertorier toutes les tâches d’inférence ICD-10-CM actuelles**
L’exemple suivant montre comment l’opération `list-icd10-cm-inference-jobs` renvoie une liste des tâches asynchrones d’inférence par lots ICD-10-CM actuelles.
```
aws comprehendmedical list-icd10-cm-inference-jobs
```
Sortie :
```
{
"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"
}
]
}
```
Pour plus d’informations, consultez [Analyse par lots de la liaison d’ontologie](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html) dans le *Guide du développeur Amazon Comprehend Medical*.
+ Pour plus de détails sur l'API, reportez-vous à la section [ListIcd10 CmInferenceJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/list-icd10-cm-inference-jobs.html) de *AWS CLI la section Référence des commandes*.
### `list-phi-detection-jobs`
L'exemple de code suivant montre comment utiliser`list-phi-detection-jobs`.
**AWS CLI**
**Pour répertorier les tâches de détection d’informations protégées relatives à la santé (PHI)**
L’exemple `list-phi-detection-jobs` suivant répertorie les tâches de détection d’informations protégées relatives à la santé (PHI) actuelles.
```
aws comprehendmedical list-phi-detection-jobs
```
Sortie :
```
{
"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"
}
]
}
```
Pour plus d'informations, consultez [Batch APIs](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-batchapi.html) dans le manuel *Amazon Comprehend Medical Developer Guide*.
+ Pour plus de détails sur l'API, reportez-vous [ListPhiDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/list-phi-detection-jobs.html)à la section *Référence des AWS CLI commandes*.
### `list-rx-norm-inference-jobs`
L'exemple de code suivant montre comment utiliser`list-rx-norm-inference-jobs`.
**AWS CLI**
**Pour répertorier toutes les tâches d’inférence Rx-Norm actuelles**
L’exemple suivant montre comment `list-rx-norm-inference-jobs` renvoie une liste des tâches asynchrones d’inférence par lots Rx-Norm actuelles.
```
aws comprehendmedical list-rx-norm-inference-jobs
```
Sortie :
```
{
"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"
}
]
}
```
Pour plus d’informations, consultez [Analyse par lots de la liaison d’ontologie](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html) dans le *Guide du développeur Amazon Comprehend Medical*.
+ Pour plus de détails sur l'API, reportez-vous [ListRxNormInferenceJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/list-rx-norm-inference-jobs.html)à la section *Référence des AWS CLI commandes*.
### `list-snomedct-inference-jobs`
L'exemple de code suivant montre comment utiliser`list-snomedct-inference-jobs`.
**AWS CLI**
**Pour répertorier toutes les tâches d’inférence SNOMED CT**
L’exemple suivant montre comment l’opération `list-snomedct-inference-jobs` renvoie une liste des tâches asynchrones d’inférence par lots SNOMED CT actuelles.
```
aws comprehendmedical list-snomedct-inference-jobs
```
Sortie :
```
{
"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"
}
]
}
```
Pour plus d’informations, consultez [Analyse par lots de la liaison d’ontologie](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html) dans le *Guide du développeur Amazon Comprehend Medical*.
+ Pour plus de détails sur l'API, reportez-vous [ListSnomedctInferenceJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/list-snomedct-inference-jobs.html)à la section *Référence des AWS CLI commandes*.
### `start-entities-detection-v2-job`
L'exemple de code suivant montre comment utiliser`start-entities-detection-v2-job`.
**AWS CLI**
**Pour démarrer une tâche de détection d’entités**
L’exemple `start-entities-detection-v2-job` suivant démarre une tâche asynchrone de détection d’entités.
```
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
```
Sortie :
```
{
"JobId": "ab9887877365fe70299089371c043b96"
}
```
Pour plus d'informations, consultez [Batch APIs](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-batchapi.html) dans le manuel *Amazon Comprehend Medical Developer Guide*.
+ Pour plus de détails sur l'API, consultez [StartEntitiesDetectionV2Job](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/start-entities-detection-v2-job.html) dans *AWS CLI Command* Reference.
### `start-icd10-cm-inference-job`
L'exemple de code suivant montre comment utiliser`start-icd10-cm-inference-job`.
**AWS CLI**
**Pour démarrer une tâche d’inférence ICD-10-CM**
L’exemple `start-icd10-cm-inference-job` suivant démarre une tâche d’analyse par lots de l’inférence ICD-10-CM.
```
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
```
Sortie :
```
{
"JobId": "ef7289877365fc70299089371c043b96"
}
```
Pour plus d’informations, consultez [Analyse par lots de la liaison d’ontologie](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html) dans le *Guide du développeur Amazon Comprehend Medical*.
+ Pour plus de détails sur l'API, reportez-vous à la section [StartIcd10 CmInferenceJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/start-icd10-cm-inference-job.html) de *AWS CLI la section Référence des commandes*.
### `start-phi-detection-job`
L'exemple de code suivant montre comment utiliser`start-phi-detection-job`.
**AWS CLI**
**Pour démarrer une tâche de détection de PHI**
L’exemple `start-phi-detection-job` suivant lance une tâche asynchrone de détection d’entités de PHI.
```
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
```
Sortie :
```
{
"JobId": "ab9887877365fe70299089371c043b96"
}
```
Pour plus d'informations, consultez [Batch APIs](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-batchapi.html) dans le manuel *Amazon Comprehend Medical Developer Guide*.
+ Pour plus de détails sur l'API, reportez-vous [StartPhiDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/start-phi-detection-job.html)à la section *Référence des AWS CLI commandes*.
### `start-rx-norm-inference-job`
L'exemple de code suivant montre comment utiliser`start-rx-norm-inference-job`.
**AWS CLI**
**Pour démarrer une tâche d' RxNorm inférence**
L'`start-rx-norm-inference-job`exemple suivant démarre une tâche d'analyse par lots d' RxNorm inférence.
```
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
```
Sortie :
```
{
"JobId": "eg8199877365fc70299089371c043b96"
}
```
Pour plus d’informations, consultez [Analyse par lots de la liaison d’ontologie](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html) dans le *Guide du développeur Amazon Comprehend Medical*.
+ Pour plus de détails sur l'API, reportez-vous [StartRxNormInferenceJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/start-rx-norm-inference-job.html)à la section *Référence des AWS CLI commandes*.
### `start-snomedct-inference-job`
L'exemple de code suivant montre comment utiliser`start-snomedct-inference-job`.
**AWS CLI**
**Pour démarrer une tâche d’inférence SNOMED CT**
L’exemple `start-snomedct-inference-job` suivant démarre une tâche d’analyse par lots de l’inférence SNOMED CT.
```
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
```
Sortie :
```
{
"JobId": "dg7289877365fc70299089371c043b96"
}
```
Pour plus d’informations, consultez [Analyse par lots de la liaison d’ontologie](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html) dans le *Guide du développeur Amazon Comprehend Medical*.
+ Pour plus de détails sur l'API, reportez-vous [StartSnomedctInferenceJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/start-snomedct-inference-job.html)à la section *Référence des AWS CLI commandes*.
### `stop-entities-detection-v2-job`
L'exemple de code suivant montre comment utiliser`stop-entities-detection-v2-job`.
**AWS CLI**
**Pour arrêter une tâche de détection d’entités**
L’exemple `stop-entities-detection-v2-job` suivant arrête une tâche asynchrone de détection d’entités.
```
aws comprehendmedical stop-entities-detection-v2-job \
--job-id "ab9887877365fe70299089371c043b96"
```
Sortie :
```
{
"JobId": "ab9887877365fe70299089371c043b96"
}
```
Pour plus d'informations, consultez [Batch APIs](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-batchapi.html) dans le manuel *Amazon Comprehend Medical Developer Guide*.
+ Pour plus de détails sur l'API, consultez [StopEntitiesDetectionV2Job](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/stop-entities-detection-v2-job.html) dans *AWS CLI Command* Reference.
### `stop-icd10-cm-inference-job`
L'exemple de code suivant montre comment utiliser`stop-icd10-cm-inference-job`.
**AWS CLI**
**Pour arrêter une tâche d’inférence ICD-10-CM**
L’exemple `stop-icd10-cm-inference-job` suivant arrête une tâche d’analyse par lots de l’inférence ICD-10-CM.
```
aws comprehendmedical stop-icd10-cm-inference-job \
--job-id "4750034166536cdb52ffa3295a1b00a3"
```
Sortie :
```
{
"JobId": "ef7289877365fc70299089371c043b96",
}
```
Pour plus d’informations, consultez [Analyse par lots de la liaison d’ontologie](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html) dans le *Guide du développeur Amazon Comprehend Medical*.
+ Pour plus de détails sur l'API, reportez-vous à la section [StopIcd10 CmInferenceJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/stop-icd10-cm-inference-job.html) de *AWS CLI la section Référence des commandes*.
### `stop-phi-detection-job`
L'exemple de code suivant montre comment utiliser`stop-phi-detection-job`.
**AWS CLI**
**Pour arrêter une tâche de détection d’informations protégées relatives à la santé (PHI)**
L’exemple `stop-phi-detection-job` suivant arrête une tâche asynchrone de détection d’informations protégées relatives à la santé (PHI).
```
aws comprehendmedical stop-phi-detection-job \
--job-id "4750034166536cdb52ffa3295a1b00a3"
```
Sortie :
```
{
"JobId": "ab9887877365fe70299089371c043b96"
}
```
Pour plus d'informations, consultez [Batch APIs](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-batchapi.html) dans le manuel *Amazon Comprehend Medical Developer Guide*.
+ Pour plus de détails sur l'API, reportez-vous [StopPhiDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/stop-phi-detection-job.html)à la section *Référence des AWS CLI commandes*.
### `stop-rx-norm-inference-job`
L'exemple de code suivant montre comment utiliser`stop-rx-norm-inference-job`.
**AWS CLI**
**Pour arrêter une tâche d' RxNorm inférence**
L’exemple `stop-rx-norm-inference-job` suivant arrête une tâche d’analyse par lots de l’inférence ICD-10-CM.
```
aws comprehendmedical stop-rx-norm-inference-job \
--job-id "eg8199877365fc70299089371c043b96"
```
Sortie :
```
{
"JobId": "eg8199877365fc70299089371c043b96",
}
```
Pour plus d’informations, consultez [Analyse par lots de la liaison d’ontologie](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html) dans le *Guide du développeur Amazon Comprehend Medical*.
+ Pour plus de détails sur l'API, reportez-vous [StopRxNormInferenceJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/stop-rx-norm-inference-job.html)à la section *Référence des AWS CLI commandes*.
### `stop-snomedct-inference-job`
L'exemple de code suivant montre comment utiliser`stop-snomedct-inference-job`.
**AWS CLI**
**Pour arrêter une tâche d’inférence SNOMED CT**
L’exemple `stop-snomedct-inference-job` suivant arrête une tâche d’analyse par lots de l’inférence SNOMED CT.
```
aws comprehendmedical stop-snomedct-inference-job \
--job-id "8750034166436cdb52ffa3295a1b00a1"
```
Sortie :
```
{
"JobId": "8750034166436cdb52ffa3295a1b00a1",
}
```
Pour plus d’informations, consultez [Analyse par lots de la liaison d’ontologie](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html) dans le *Guide du développeur Amazon Comprehend Medical*.
+ Pour plus de détails sur l'API, reportez-vous [StopSnomedctInferenceJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/stop-snomedct-inference-job.html)à la section *Référence des AWS CLI commandes*.