를 사용한 Amazon Comprehend Medical 예제 AWS CLI - AWS Command Line Interface

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

를 사용한 Amazon Comprehend Medical 예제 AWS CLI

다음 코드 예제에서는 Amazon Comprehend Medical과 AWS Command Line Interface 함께 를 사용하여 작업을 수행하고 일반적인 시나리오를 구현하는 방법을 보여줍니다.

작업은 대규모 프로그램에서 발췌한 코드이며 컨텍스트에 맞춰 실행해야 합니다. 작업은 개별 서비스 함수를 직접적으로 호출하는 방법을 보여주며 관련 시나리오의 컨텍스트에 맞는 작업을 볼 수 있습니다.

각 예제에는 컨텍스트에서 코드를 설정하고 실행하는 방법에 대한 지침을 찾을 수 있는 전체 소스 코드에 대한 링크가 포함되어 있습니다.

주제

작업

다음 코드 예시에서는 describe-entities-detection-v2-job을 사용하는 방법을 보여 줍니다.

AWS CLI

엔터티 감지 작업을 설명하려면

다음 describe-entities-detection-v2-job 예제에서는 비동기 엔터티 감지 작업과 연결된 속성을 표시합니다.

aws comprehendmedical describe-entities-detection-v2-job \ --job-id "ab9887877365fe70299089371c043b96"

출력:

{ "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" } }

자세한 내용은 Amazon Comprehend Medical 개발자 안내서배치APIs를 참조하세요.

다음 코드 예시에서는 describe-icd10-cm-inference-job을 사용하는 방법을 보여 줍니다.

AWS CLI

ICD-10-CM 추론 작업을 설명하려면

다음 describe-icd10-cm-inference-job 예제에서는 지정된 작업 ID를 사용하여 요청된 추론 작업의 속성을 설명합니다.

aws comprehendmedical describe-icd10-cm-inference-job \ --job-id "5780034166536cdb52ffa3295a1b00a7"

출력:

{ "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" } }

자세한 내용은 Amazon Comprehend Medical 개발자 안내서Ontology 연결 배치 분석을 참조하세요.

다음 코드 예시에서는 describe-phi-detection-job을 사용하는 방법을 보여 줍니다.

AWS CLI

PHI 감지 작업을 설명하려면

다음 describe-phi-detection-job 예제에서는 비동기식 보호된 상태 정보(PHI) 감지 작업과 연결된 속성을 표시합니다.

aws comprehendmedical describe-phi-detection-job \ --job-id "4750034166536cdb52ffa3295a1b00a3"

출력:

{ "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" } }

자세한 내용은 Amazon Comprehend Medical 개발자 안내서배치APIs를 참조하세요.

다음 코드 예시에서는 describe-rx-norm-inference-job을 사용하는 방법을 보여 줍니다.

AWS CLI

RxNorm 추론 작업을 설명하려면

다음 describe-rx-norm-inference-job 예제에서는 지정된 작업 ID를 사용하여 요청된 추론 작업의 속성을 설명합니다.

aws comprehendmedical describe-rx-norm-inference-job \ --job-id "eg8199877365fc70299089371c043b96"

출력:

{ "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" } }

자세한 내용은 Amazon Comprehend Medical 개발자 안내서온톨로지 연결 배치 분석을 참조하세요.

다음 코드 예시에서는 describe-snomedct-inference-job을 사용하는 방법을 보여 줍니다.

AWS CLI

SNOMED CT 추론 작업을 설명하려면

다음 describe-snomedct-inference-job 예제에서는 지정된 작업 ID를 사용하여 요청된 추론 작업의 속성을 설명합니다.

aws comprehendmedical describe-snomedct-inference-job \ --job-id "2630034166536cdb52ffa3295a1b00a7"

출력:

{ "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" } }

자세한 내용은 Amazon Comprehend Medical 개발자 안내서온톨로지 연결 배치 분석을 참조하세요.

다음 코드 예시에서는 detect-entities-v2을 사용하는 방법을 보여 줍니다.

AWS CLI

예제 1: 텍스트에서 직접 엔터티를 감지하려면

다음 detect-entities-v2 예제에서는 감지된 엔터티를 보여주고 입력 텍스트에서 직접 유형에 따라 레이블을 지정합니다.

aws comprehendmedical detect-entities-v2 \ --text "Sleeping trouble on present dosage of Clonidine. Severe rash on face and leg, slightly itchy."

출력:

{ "Id": 0, "BeginOffset": 38, "EndOffset": 47, "Score": 0.9942955374717712, "Text": "Clonidine", "Category": "MEDICATION", "Type": "GENERIC_NAME", "Traits": [] }

자세한 내용은 Amazon Comprehend Medical 개발자 안내서Detect Entities 버전 2를 참조하세요.

예제 2: 파일 경로에서 엔터티 감지

다음 detect-entities-v2 예제에서는 감지된 엔터티를 보여주고 파일 경로의 유형에 따라 레이블을 지정합니다.

aws comprehendmedical detect-entities-v2 \ --text file://medical_entities.txt

medical_entities.txt의 콘텐츠:

{ "Sleeping trouble on present dosage of Clonidine. Severe rash on face and leg, slightly itchy." }

출력:

{ "Id": 0, "BeginOffset": 38, "EndOffset": 47, "Score": 0.9942955374717712, "Text": "Clonidine", "Category": "MEDICATION", "Type": "GENERIC_NAME", "Traits": [] }

자세한 내용은 Amazon Comprehend Medical 개발자 안내서Detect Entities 버전 2를 참조하세요.

  • API 자세한 내용은 AWS CLI 명령 참조DetectEntitiesV2를 참조하세요.

다음 코드 예시에서는 detect-phi을 사용하는 방법을 보여 줍니다.

AWS CLI

예제 1: 텍스트에서 보호된 상태 정보(PHI)를 직접 감지하려면

다음 detect-phi 예제에서는 입력 텍스트에서 직접 감지된 보호된 상태 정보(PHI) 엔터티를 표시합니다.

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."

출력:

{ "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" }

자세한 내용은 Amazon Comprehend Medical 개발자 안내서감지PHI를 참조하세요.

예제 2: 파일 경로에서 직접 보호 상태 정보(PHI) 감지

다음 detect-phi 예제는 파일 경로에서 감지된 보호된 상태 정보(PHI) 엔터티를 보여줍니다.

aws comprehendmedical detect-phi \ --text file://phi.txt

phi.txt의 콘텐츠:

"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."

출력:

{ "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" }

자세한 내용은 Amazon Comprehend Medical 개발자 안내서감지PHI를 참조하세요.

  • 자세한 API 내용은 명령 참조DetectPhi의 섹션을 참조하세요. AWS CLI

다음 코드 예시에서는 infer-icd10-cm을 사용하는 방법을 보여 줍니다.

AWS CLI

예제 1: 의학적 상태 엔터티를 감지하고 텍스트에서 ICD-10-CM Ontology로 직접 연결하려면

다음 infer-icd10-cm 예제에서는 감지된 의학적 상태 엔터티에 레이블을 지정하고 해당 엔터티를 2019년 국제 질병 분류 임상 수정판(ICD-10-CM)의 코드와 연결합니다.

aws comprehendmedical infer-icd10-cm \ --text "The patient complains of abdominal pain, has a long-standing history of diabetes treated with Micronase daily."

출력:

{ "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" }

자세한 내용은 Amazon Comprehend Medical 개발자 안내서추론 ICD10-CM을 참조하세요.

예제 2: 의학적 상태 엔터티를 감지하고 파일 경로에서 ICD-10-CM Ontology에 연결

다음 infer-icd-10-cm 예제에서는 감지된 의학적 상태 엔터티에 레이블을 지정하고 해당 엔터티를 2019년 국제 질병 분류 임상 수정판(ICD-10-CM)의 코드와 연결합니다.

aws comprehendmedical infer-icd10-cm \ --text file://icd10cm.txt

icd10cm.txt의 콘텐츠:

{ "The patient complains of abdominal pain, has a long-standing history of diabetes treated with Micronase daily." }

출력:

{ "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" }

자세한 내용은 Amazon Comprehend Medical 개발자 안내서Infer-ICD10-CM을 참조하세요.

  • API 자세한 내용은 AWS CLI 명령 참조InferIcd10Cm을 참조하세요.

다음 코드 예시에서는 infer-rx-norm을 사용하는 방법을 보여 줍니다.

AWS CLI

예제 1: 약물 엔터티를 감지하고 텍스트에서 RxNorm 직접 에 연결하려면

다음 infer-rx-norm 예제에서는 감지된 약물 엔터티를 표시하고 레이블을 지정하며 해당 엔터티를 National Library of Medicine RxNorm 데이터베이스의 개념 식별자(RxCUI)에 연결합니다.

aws comprehendmedical infer-rx-norm \ --text "Patient reports taking Levothyroxine 125 micrograms p.o. once daily, but denies taking Synthroid."

출력:

{ "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" }

자세한 내용은 Amazon Comprehend Medical 개발자 안내서추론 RxNorm을 참조하세요.

예제 2: 파일 경로 RxNorm 에서 약물 개체 및 에 대한 링크를 감지합니다.

다음 infer-rx-norm 예제에서는 감지된 약물 엔터티를 표시하고 레이블을 지정하며 해당 엔터티를 National Library of Medicine RxNorm 데이터베이스의 개념 식별자(RxCUI)에 연결합니다.

aws comprehendmedical infer-rx-norm \ --text file://rxnorm.txt

rxnorm.txt의 콘텐츠:

{ "Patient reports taking Levothyroxine 125 micrograms p.o. once daily, but denies taking Synthroid." }

출력:

{ "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" }

자세한 내용은 Amazon Comprehend Medical 개발자 안내서추론 RxNorm을 참조하세요.

  • 자세한 API 내용은 명령 참조InferRxNorm의 섹션을 참조하세요. AWS CLI

다음 코드 예시에서는 infer-snomedct을 사용하는 방법을 보여 줍니다.

AWS CLI

예: 엔터티를 감지하고 텍스트에서 SNOMED CT Ontology로 직접 연결하려면

다음 infer-snomedct 예제에서는 의료 엔터티를 감지하고 2021년 3월 버전의 체계화된 의학 명명법, 임상 용어(SNOMEDCT)의 개념에 연결하는 방법을 보여줍니다.

aws comprehendmedical infer-snomedct \ --text "The patient complains of abdominal pain, has a long-standing history of diabetes treated with Micronase daily."

출력:

{ "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" }

자세한 내용은 Amazon Comprehend Medical 개발자 안내서추론SNOMEDCT을 참조하세요.

  • 자세한 API 내용은 명령 참조InferSnomedct의 섹션을 참조하세요. AWS CLI

다음 코드 예시에서는 list-entities-detection-v2-jobs을 사용하는 방법을 보여 줍니다.

AWS CLI

개체 감지 작업을 나열하려면

다음 list-entities-detection-v2-jobs 예제에서는 현재 비동기 감지 작업을 나열합니다.

aws comprehendmedical list-entities-detection-v2-jobs

출력:

{ "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" } ] }

자세한 내용은 Amazon Comprehend Medical 개발자 안내서배치APIs를 참조하세요.

다음 코드 예시에서는 list-icd10-cm-inference-jobs을 사용하는 방법을 보여 줍니다.

AWS CLI

현재 ICD-10-CM 추론 작업을 모두 나열하려면

다음 예제에서는 list-icd10-cm-inference-jobs 작업이 현재 비동기 ICD-10-CM 배치 추론 작업 목록을 반환하는 방법을 보여줍니다.

aws comprehendmedical list-icd10-cm-inference-jobs

출력:

{ "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" } ] }

자세한 내용은 Amazon Comprehend Medical 개발자 안내서온톨로지 연결 배치 분석을 참조하세요.

다음 코드 예시에서는 list-phi-detection-jobs을 사용하는 방법을 보여 줍니다.

AWS CLI

보호된 상태 정보(PHI) 감지 작업을 나열하려면

다음 list-phi-detection-jobs 예제에서는 현재 보호되는 상태 정보(PHI) 감지 작업을 나열합니다.

aws comprehendmedical list-phi-detection-jobs

출력:

{ "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" } ] }

자세한 내용은 Amazon Comprehend Medical 개발자 안내서배치APIs를 참조하세요.

다음 코드 예시에서는 list-rx-norm-inference-jobs을 사용하는 방법을 보여 줍니다.

AWS CLI

현재 Rx-Norm 추론 작업을 모두 나열하려면

다음 예제에서는 가 현재 비동기 Rx-Norm 배치 추론 작업 목록을 list-rx-norm-inference-jobs 반환하는 방법을 보여줍니다.

aws comprehendmedical list-rx-norm-inference-jobs

출력:

{ "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" } ] }

자세한 내용은 Amazon Comprehend Medical 개발자 안내서온톨로지 연결 배치 분석을 참조하세요.

다음 코드 예시에서는 list-snomedct-inference-jobs을 사용하는 방법을 보여 줍니다.

AWS CLI

모든 SNOMED CT 추론 작업을 나열하려면

다음 예제에서는 list-snomedct-inference-jobs 작업이 현재 비동기 SNOMED CT 배치 추론 작업 목록을 반환하는 방법을 보여줍니다.

aws comprehendmedical list-snomedct-inference-jobs

출력:

{ "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" } ] }

자세한 내용은 Amazon Comprehend Medical 개발자 안내서온톨로지 연결 배치 분석을 참조하세요.

다음 코드 예시에서는 start-entities-detection-v2-job을 사용하는 방법을 보여 줍니다.

AWS CLI

엔터티 감지 작업을 시작하려면

다음 start-entities-detection-v2-job 예제에서는 비동기 엔터티 감지 작업을 시작합니다.

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

출력:

{ "JobId": "ab9887877365fe70299089371c043b96" }

자세한 내용은 Amazon Comprehend Medical 개발자 안내서배치APIs를 참조하세요.

다음 코드 예시에서는 start-icd10-cm-inference-job을 사용하는 방법을 보여 줍니다.

AWS CLI

ICD-10-CM 추론 작업을 시작하려면

다음 start-icd10-cm-inference-job 예제에서는 ICD-10-CM 추론 배치 분석 작업을 시작합니다.

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

출력:

{ "JobId": "ef7289877365fc70299089371c043b96" }

자세한 내용은 Amazon Comprehend Medical 개발자 안내서Ontology 연결 배치 분석을 참조하세요.

다음 코드 예시에서는 start-phi-detection-job을 사용하는 방법을 보여 줍니다.

AWS CLI

PHI 감지 작업을 시작하려면

다음 start-phi-detection-job 예제에서는 비동기 PHI엔터티 감지 작업을 시작합니다.

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

출력:

{ "JobId": "ab9887877365fe70299089371c043b96" }

자세한 내용은 Amazon Comprehend Medical 개발자 안내서배치APIs를 참조하세요.

다음 코드 예시에서는 start-rx-norm-inference-job을 사용하는 방법을 보여 줍니다.

AWS CLI

RxNorm 추론 작업을 시작하려면

다음 start-rx-norm-inference-job 예제에서는 RxNorm 추론 배치 분석 작업을 시작합니다.

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

출력:

{ "JobId": "eg8199877365fc70299089371c043b96" }

자세한 내용은 Amazon Comprehend Medical 개발자 안내서온톨로지 연결 배치 분석을 참조하세요.

다음 코드 예시에서는 start-snomedct-inference-job을 사용하는 방법을 보여 줍니다.

AWS CLI

SNOMED CT 추론 작업을 시작하려면

다음 start-snomedct-inference-job 예제에서는 SNOMED CT 추론 배치 분석 작업을 시작합니다.

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

출력:

{ "JobId": "dg7289877365fc70299089371c043b96" }

자세한 내용은 Amazon Comprehend Medical 개발자 안내서온톨로지 연결 배치 분석을 참조하세요.

다음 코드 예시에서는 stop-entities-detection-v2-job을 사용하는 방법을 보여 줍니다.

AWS CLI

개체 감지 작업을 중지하려면

다음 stop-entities-detection-v2-job 예제에서는 비동기 엔터티 감지 작업을 중지합니다.

aws comprehendmedical stop-entities-detection-v2-job \ --job-id "ab9887877365fe70299089371c043b96"

출력:

{ "JobId": "ab9887877365fe70299089371c043b96" }

자세한 내용은 Amazon Comprehend Medical 개발자 안내서배치APIs를 참조하세요.

다음 코드 예시에서는 stop-icd10-cm-inference-job을 사용하는 방법을 보여 줍니다.

AWS CLI

ICD-10-CM 추론 작업을 중지하려면

다음 stop-icd10-cm-inference-job 예제에서는 ICD-10-CM 추론 배치 분석 작업을 중지합니다.

aws comprehendmedical stop-icd10-cm-inference-job \ --job-id "4750034166536cdb52ffa3295a1b00a3"

출력:

{ "JobId": "ef7289877365fc70299089371c043b96", }

자세한 내용은 Amazon Comprehend Medical 개발자 안내서온톨로지 연결 배치 분석을 참조하세요.

다음 코드 예시에서는 stop-phi-detection-job을 사용하는 방법을 보여 줍니다.

AWS CLI

보호된 상태 정보(PHI) 감지 작업을 중지하려면

다음 stop-phi-detection-job 예제에서는 비동기식 보호된 상태 정보(PHI) 감지 작업을 중지합니다.

aws comprehendmedical stop-phi-detection-job \ --job-id "4750034166536cdb52ffa3295a1b00a3"

출력:

{ "JobId": "ab9887877365fe70299089371c043b96" }

자세한 내용은 Amazon Comprehend Medical 개발자 안내서배치APIs를 참조하세요.

  • 자세한 API 내용은 명령 참조StopPhiDetectionJob의 섹션을 참조하세요. AWS CLI

다음 코드 예시에서는 stop-rx-norm-inference-job을 사용하는 방법을 보여 줍니다.

AWS CLI

RxNorm 추론 작업을 중지하려면

다음 stop-rx-norm-inference-job 예제에서는 ICD-10-CM 추론 배치 분석 작업을 중지합니다.

aws comprehendmedical stop-rx-norm-inference-job \ --job-id "eg8199877365fc70299089371c043b96"

출력:

{ "JobId": "eg8199877365fc70299089371c043b96", }

자세한 내용은 Amazon Comprehend Medical 개발자 안내서온톨로지 연결 배치 분석을 참조하세요.

다음 코드 예시에서는 stop-snomedct-inference-job을 사용하는 방법을 보여 줍니다.

AWS CLI

SNOMED CT 추론 작업을 중지하려면

다음 stop-snomedct-inference-job 예제에서는 SNOMED CT 추론 배치 분석 작업을 중지합니다.

aws comprehendmedical stop-snomedct-inference-job \ --job-id "8750034166436cdb52ffa3295a1b00a1"

출력:

{ "JobId": "8750034166436cdb52ffa3295a1b00a1", }

자세한 내용은 Amazon Comprehend Medical 개발자 안내서온톨로지 연결 배치 분석을 참조하세요.