# AWS CLI를 사용한 Amazon Comprehend Medical 예제
다음 코드 예제는 Amazon Comprehend Medical과 함께 AWS Command Line Interface를 사용하여 작업을 수행하고 일반적인 시나리오를 구현하는 방법을 보여줍니다.
*작업*은 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 예시에는 전체 소스 코드에 대한 링크가 포함되어 있으며, 여기에서 컨텍스트에 맞춰 코드를 설정하고 실행하는 방법에 대한 지침을 찾을 수 있습니다.
**Topics**
+ [작업](#actions)
## 작업
### `describe-entities-detection-v2-job`
다음 코드 예시는 `describe-entities-detection-v2-job`의 사용 방법을 보여줍니다.
**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 안내서*에서 [Batch APIs](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-batchapi.html)를 참조하세요.
+ API 세부 정보는 *AWS CLI 명령 참조*의 [DescribeEntitiesDetectionV2Job](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/describe-entities-detection-v2-job.html)을 참조하세요.
### `describe-icd10-cm-inference-job`
다음 코드 예시는 `describe-icd10-cm-inference-job`의 사용 방법을 보여줍니다.
**AWS CLI**
**ICD-10-CM 추론 작업을 설명하려면**
다음 `describe-icd10-cm-inference-job` 예제에서는 지정된 job-id로 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 안내서*에서 [Ontology linking batch analysis](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html)를 참조하세요.
+ API 세부 정보는 *AWS CLI 명령 참조*의 [DescribeIcd10CmInferenceJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/describe-icd10-cm-inference-job.html)을 참조하세요.
### `describe-phi-detection-job`
다음 코드 예시는 `describe-phi-detection-job`의 사용 방법을 보여줍니다.
**AWS CLI**
**PHI 감지 작업을 설명하려면**
다음 `describe-phi-detection-job` 예제에서는 비동기 보호 대상 건강 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 안내서*에서 [Batch APIs](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-batchapi.html)를 참조하세요.
+ API 세부 정보는 *AWS CLI 명령 참조*의 [DescribePhiDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/describe-phi-detection-job.html)을 참조하세요.
### `describe-rx-norm-inference-job`
다음 코드 예시는 `describe-rx-norm-inference-job`의 사용 방법을 보여줍니다.
**AWS CLI**
**RxNorm 추론 작업을 설명하려면**
다음 `describe-rx-norm-inference-job` 예제에서는 지정된 job-id로 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 안내서*에서 [Ontology linking batch analysis](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html)를 참조하세요.
+ API 세부 정보는 *AWS CLI 명령 참조*의 [DescribeRxNormInferenceJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/describe-rx-norm-inference-job.html)을 참조하세요.
### `describe-snomedct-inference-job`
다음 코드 예시는 `describe-snomedct-inference-job`의 사용 방법을 보여줍니다.
**AWS CLI**
**SNOMED CT 추론 작업을 설명하려면**
다음 `describe-snomedct-inference-job` 예제에서는 지정된 job-id로 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 안내서*에서 [Ontology linking batch analysis](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html)를 참조하세요.
+ API 세부 정보는 *AWS CLI 명령 참조*의 [DescribeSnomedctInferenceJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/describe-snomedct-inference-job.html)을 참조하세요.
### `detect-entities-v2`
다음 코드 예시는 `detect-entities-v2`의 사용 방법을 보여줍니다.
**AWS CLI**
**예제 1: 텍스트에서 직접 엔터티를 감지하는 방법**
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 안내서*에서 [Detect Entities Version 2](https://docs.aws.amazon.com/comprehend/latest/dg/extracted-med-info-V2.html)를 참조하세요.
**예제 2: 파일 경로에서 엔터티를 감지하는 방법**
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.txt`의 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 안내서*에서 [Detect Entities Version 2](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-entitiesv2.html)를 참조하세요.
+ API 세부 정보는 *AWS CLI 명령 참조*의 [DetectEntitiesV2](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/detect-entities-v2.html)를 참조하세요.
### `detect-phi`
다음 코드 예시는 `detect-phi`의 사용 방법을 보여줍니다.
**AWS CLI**
**예제 1: 텍스트에서 보호 대상 건강 정보(PHI)를 직접 감지하는 방법**
다음 `detect-phi` 예제에서는 입력 텍스트에서 직접 감지된 보호 대상 건강 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 안내서*에서 [Detect PHI](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-phi.html)를 참조하세요.
**예제 2: 파일 경로에서 보호 대상 건강 정보(PHI)를 직접 감지하는 방법**
다음 `detect-phi` 예제에서는 파일 경로에서 감지된 보호 대상 건강 정보(PHI) 엔터티를 보여줍니다.
```
aws comprehendmedical detect-phi \
--text file://phi.txt
```
`phi.txt`의 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 안내서*에서 [Detect PHI](https://docs.aws.amazon.com/comprehend/latest/dg/how-medical-phi.html)를 참조하세요.
+ API 세부 정보는 *AWS CLI 명령 참조*의 [DetectPhi](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/detect-phi.html)를 참조하세요.
### `infer-icd10-cm`
다음 코드 예시는 `infer-icd10-cm`의 사용 방법을 보여줍니다.
**AWS CLI**
**예제 1: 의료 상태 엔터티를 감지하고 텍스트에서 ICD-10-CM 온톨로지로 직접 연결하는 방법**
다음 `infer-icd10-cm` 예제에서는 감지된 의료 상태 엔터티에 레이블을 지정하고 해당 엔터티를 국제질병분류 임상 수정(ICD-10-CM) 2019판의 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 안내서*에서 [Infer ICD10-CM](https://docs.aws.amazon.com/comprehend/latest/dg/ontology-linking-icd10.html)을 참조하세요.
**예제 2: 의료 상태 엔터티를 감지하고 파일 경로에서 ICD-10-CM 온톨로지로 연결하는 방법**
다음 `infer-icd-10-cm` 예제에서는 감지된 의료 상태 엔터티에 레이블을 지정하고 해당 엔터티를 국제질병분류 임상 수정(ICD-10-CM) 2019판의 코드와 연결합니다.
```
aws comprehendmedical infer-icd10-cm \
--text file://icd10cm.txt
```
`icd10cm.txt`의 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 안내서*에서 [Infer-ICD10-CM](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontology-icd10.html)을 참조하세요.
+ API 세부 정보는 *AWS CLI 명령 참조*의 [InferIcd10Cm](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/infer-icd10-cm.html)을 참조하세요.
### `infer-rx-norm`
다음 코드 예시는 `infer-rx-norm`의 사용 방법을 보여줍니다.
**AWS CLI**
**예제 1: 약물 엔터티를 감지하고 텍스트에서 RxNorm에 직접 연결하는 방법**
다음 `infer-rx-norm` 예제에서는 감지된 약물 엔터티를 표시 및 레이블을 지정하고 해당 엔터티를 국립의학도서관 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 안내서*에서 [Infer RxNorm](https://docs.aws.amazon.com/comprehend/latest/dg/ontology-linking-rxnorm.html)을 참조하세요.
**예제 2: 약물 엔터티를 감지하고 파일 경로에서 RxNorm에 연결하는 방법**
다음 `infer-rx-norm` 예제에서는 감지된 약물 엔터티를 표시 및 레이블을 지정하고 해당 엔터티를 국립의학도서관 RxNorm 데이터베이스의 개념 식별자(RxCUI)에 연결합니다.
```
aws comprehendmedical infer-rx-norm \
--text file://rxnorm.txt
```
`rxnorm.txt`의 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 안내서*에서 [Infer RxNorm](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontology-RxNorm.html)을 참조하세요.
+ API 세부 정보는 *AWS CLI 명령 참조*의 [InferRxNorm](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/infer-rx-norm.html)을 참조하세요.
### `infer-snomedct`
다음 코드 예시는 `infer-snomedct`의 사용 방법을 보여줍니다.
**AWS CLI**
**예제: 엔터티를 감지하고 텍스트에서 SNOMED CT 온톨로지에 직접 연결하는 방법**
다음 `infer-snomedct` 예제에서는 의료 엔터티를 감지하고 이를 2021-03 버전의 체계화된 의학 명명법, 임상 용어(SNOMED CT) 개념과 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 안내서*에서 [InferSNOMEDCT](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontology-linking-snomed.html)를 참조하세요.
+ API 세부 정보는 *AWS CLI 명령 참조*의 [InferSnomedct](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/infer-snomedct.html)를 참조하세요.
### `list-entities-detection-v2-jobs`
다음 코드 예시는 `list-entities-detection-v2-jobs`의 사용 방법을 보여줍니다.
**AWS CLI**
**엔터티 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 안내서*에서 [Batch APIs](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-batchapi.html)를 참조하세요.
+ API 세부 정보는 *AWS CLI 명령 참조*의 [ListEntitiesDetectionV2Jobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/list-entities-detection-v2-jobs.html)를 참조하세요.
### `list-icd10-cm-inference-jobs`
다음 코드 예시는 `list-icd10-cm-inference-jobs`의 사용 방법을 보여줍니다.
**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 안내서*에서 [Ontology linking batch analysis](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html)를 참조하세요.
+ API 세부 정보는 *AWS CLI 명령 참조*의 [ListIcd10CmInferenceJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/list-icd10-cm-inference-jobs.html)를 참조하세요.
### `list-phi-detection-jobs`
다음 코드 예시는 `list-phi-detection-jobs`의 사용 방법을 보여줍니다.
**AWS CLI**
**보호 대상 건강 정보(PHI) 감지 작업을 나열하려면**
다음 `list-phi-detection-jobs` 예제에서는 현재 보호 대상 건강 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 안내서*에서 [Batch APIs](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-batchapi.html)를 참조하세요.
+ API 세부 정보는 *AWS CLI 명령 참조*의 [ListPhiDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/list-phi-detection-jobs.html)를 참조하세요.
### `list-rx-norm-inference-jobs`
다음 코드 예시는 `list-rx-norm-inference-jobs`의 사용 방법을 보여줍니다.
**AWS CLI**
**현재 Rx-Norm 추론 작업을 모두 나열하려면**
다음 예제에서는 `list-rx-norm-inference-jobs`가 현재 비동기 Rx-Norm 배치 추론 작업 목록을 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 안내서*에서 [Ontology linking batch analysis](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html)를 참조하세요.
+ API 세부 정보는 *AWS CLI 명령 참조*의 [ListRxNormInferenceJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/list-rx-norm-inference-jobs.html)를 참조하세요.
### `list-snomedct-inference-jobs`
다음 코드 예시는 `list-snomedct-inference-jobs`의 사용 방법을 보여줍니다.
**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 안내서*에서 [Ontology linking batch analysis](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html)를 참조하세요.
+ API 세부 정보는 *AWS CLI 명령 참조*의 [ListSnomedctInferenceJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/list-snomedct-inference-jobs.html)를 참조하세요.
### `start-entities-detection-v2-job`
다음 코드 예시는 `start-entities-detection-v2-job`의 사용 방법을 보여줍니다.
**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 안내서*에서 [Batch APIs](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-batchapi.html)를 참조하세요.
+ API 세부 정보는 *AWS CLI 명령 참조*의 [StartEntitiesDetectionV2Job](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/start-entities-detection-v2-job.html)을 참조하세요.
### `start-icd10-cm-inference-job`
다음 코드 예시는 `start-icd10-cm-inference-job`의 사용 방법을 보여줍니다.
**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 안내서*에서 [Ontology linking batch analysis](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html)를 참조하세요.
+ API 세부 정보는 *AWS CLI 명령 참조*의 [StartIcd10CmInferenceJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/start-icd10-cm-inference-job.html)을 참조하세요.
### `start-phi-detection-job`
다음 코드 예시는 `start-phi-detection-job`의 사용 방법을 보여줍니다.
**AWS CLI**
**PHI 감지 작업을 시작하려면**
다음 `start-phi-detection-job` 예제에서는 비동기 PHI 엔터티 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 안내서*에서 [Batch APIs](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-batchapi.html)를 참조하세요.
+ API 세부 정보는 *AWS CLI 명령 참조*의 [StartPhiDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/start-phi-detection-job.html)을 참조하세요.
### `start-rx-norm-inference-job`
다음 코드 예시는 `start-rx-norm-inference-job`의 사용 방법을 보여줍니다.
**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 안내서*에서 [Ontology linking batch analysis](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html)를 참조하세요.
+ API 세부 정보는 *AWS CLI 명령 참조*의 [StartRxNormInferenceJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/start-rx-norm-inference-job.html)을 참조하세요.
### `start-snomedct-inference-job`
다음 코드 예시는 `start-snomedct-inference-job`의 사용 방법을 보여줍니다.
**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 안내서*에서 [Ontology linking batch analysis](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html)를 참조하세요.
+ API 세부 정보는 *AWS CLI 명령 참조*의 [StartSnomedctInferenceJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/start-snomedct-inference-job.html)을 참조하세요.
### `stop-entities-detection-v2-job`
다음 코드 예시는 `stop-entities-detection-v2-job`의 사용 방법을 보여줍니다.
**AWS CLI**
**엔터티 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 안내서*에서 [Batch APIs](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-batchapi.html)를 참조하세요.
+ API 세부 정보는 *AWS CLI 명령 참조*의 [StopEntitiesDetectionV2Job](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/stop-entities-detection-v2-job.html)을 참조하세요.
### `stop-icd10-cm-inference-job`
다음 코드 예시는 `stop-icd10-cm-inference-job`의 사용 방법을 보여줍니다.
**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 안내서*에서 [Ontology linking batch analysis](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html)를 참조하세요.
+ API 세부 정보는 *AWS CLI 명령 참조*의 [StopIcd10CmInferenceJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/stop-icd10-cm-inference-job.html)을 참조하세요.
### `stop-phi-detection-job`
다음 코드 예시는 `stop-phi-detection-job`의 사용 방법을 보여줍니다.
**AWS CLI**
**보호 대상 건강 정보(PHI) 감지 작업을 중지하려면**
다음 `stop-phi-detection-job` 예제에서는 비동기 보호 대상 건강 정보(PHI) 감지 작업을 중지합니다.
```
aws comprehendmedical stop-phi-detection-job \
--job-id "4750034166536cdb52ffa3295a1b00a3"
```
출력:
```
{
"JobId": "ab9887877365fe70299089371c043b96"
}
```
자세한 내용은 *Amazon Comprehend Medical 개발자 안내서*에서 [Batch APIs](https://docs.aws.amazon.com/comprehend-medical/latest/dev/textanalysis-batchapi.html)를 참조하세요.
+ API 세부 정보는 *AWS CLI 명령 참조*의 [StopPhiDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/stop-phi-detection-job.html)을 참조하세요.
### `stop-rx-norm-inference-job`
다음 코드 예시는 `stop-rx-norm-inference-job`의 사용 방법을 보여줍니다.
**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 안내서*에서 [Ontology linking batch analysis](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html)를 참조하세요.
+ API 세부 정보는 *AWS CLI 명령 참조*의 [StopRxNormInferenceJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/stop-rx-norm-inference-job.html)을 참조하세요.
### `stop-snomedct-inference-job`
다음 코드 예시는 `stop-snomedct-inference-job`의 사용 방법을 보여줍니다.
**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 안내서*에서 [Ontology linking batch analysis](https://docs.aws.amazon.com/comprehend-medical/latest/dev/ontologies-batchapi.html)를 참조하세요.
+ API 세부 정보는 *AWS CLI 명령 참조*의 [StopSnomedctInferenceJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehendmedical/stop-snomedct-inference-job.html)을 참조하세요.