As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Etapa 4: conceitos básicos para usar as APIs do Amazon Comprehend Medical
Os exemplos a seguir demonstram como usar as operações do Amazon Comprehend Medical usando Java e AWS CLI Python. Use-as para saber mais sobre as operações do Amazon Comprehend Medical e como base para seus próprios aplicativos.
Para executar os exemplos AWS CLI e Python, instale o. AWS CLI Para ter mais informações, consulte Etapa 2: configurar o AWS Command Line Interface (AWS CLI).
Para executar os exemplos de Java, instale o AWS SDK for Java. Para obter instruções para instalar o AWS SDK for Java, consulte Configurar o AWS SDK para Java.
Tópicos
Detectar entidades médicas usando a AWS Command Line Interface
O exemplo a seguir demonstra o uso da DetectEntitiesV2 operação usando o AWS CLI para retornar as entidades médicas detectadas no texto. Para executar o exemplo, é necessário instalar a AWS CLI. Para ter mais informações, consulte Etapa 2: configurar o AWS Command Line Interface (AWS CLI).
O exemplo é formatado para Unix, Linux e macOS. Para Windows, substitua o caractere de continuação Unix de barra invertida (\) no final de cada linha por um circunflexo (^).
aws comprehendmedical detect-entities-v2 \ --endpointendpoint\ --regionregion\ --text "aspirin is required 20 mg po daily for 2 times as tab"
A resposta é a seguinte:
{
"Entities": [
{
"Category": "MEDICATION",
"BeginOffset": 0,
"EndOffset": 7,
"Text": "aspirin",
"Traits": [],
"Score": 0.9988090991973877,
"Attributes": [
{
"BeginOffset": 20,
"EndOffset": 25,
"Text": "20 mg",
"Traits": [],
"Score": 0.9559056162834167,
"Type": "DOSAGE",
"Id": 1,
"RelationshipScore": 0.9981593489646912
},
{
"BeginOffset": 26,
"EndOffset": 28,
"Text": "po",
"Traits": [],
"Score": 0.9995359182357788,
"Type": "ROUTE_OR_MODE",
"Id": 2,
"RelationshipScore": 0.9969323873519897
},
{
"BeginOffset": 29,
"EndOffset": 34,
"Text": "daily",
"Traits": [],
"Score": 0.9803128838539124,
"Type": "FREQUENCY",
"Id": 3,
"RelationshipScore": 0.9990783929824829
},
{
"BeginOffset": 39,
"EndOffset": 46,
"Text": "2 times",
"Traits": [],
"Score": 0.8623972535133362,
"Type": "DURATION",
"Id": 4,
"RelationshipScore": 0.9996501207351685
},
{
"BeginOffset": 50,
"EndOffset": 53,
"Text": "tab",
"Traits": [],
"Score": 0.784785270690918,
"Type": "FORM",
"Id": 5,
"RelationshipScore": 0.9986748695373535
}
],
"Type": "GENERIC_NAME",
"Id": 0
}
],
"UnmappedAttributes": []
}Detectar entidades médicas usando o AWS SDK for Java
O exemplo a seguir usa a operação DetectEntitiesV2 com Java. Para executar o exemplo, instale o AWS SDK for Java. Para obter instruções sobre como instalar o AWS SDK for Java, consulte Configurar o AWS SDK para Java.
import com.amazonaws.auth.AWSCredentials; import com.amazonaws.auth.AWSCredentialsProvider; import com.amazonaws.auth.AWSStaticCredentialsProvider; import com.amazonaws.auth.BasicAWSCredentials; import com.amazonaws.client.builder.AwsClientBuilder; import com.amazonaws.services.comprehendmedical.AWSComprehendMedical; import com.amazonaws.services.comprehendmedical.AWSComprehendMedicalClient; import com.amazonaws.services.comprehendmedical.model.DetectEntitiesRequest; import com.amazonaws.services.comprehendmedical.model.DetectEntitiesResult; public class SampleAPICall { public static void main() { AWSCredentialsProvider credentials = new AWSStaticCredentialsProvider(new BasicAWSCredentials("YOUR AWS ACCESS KEY", "YOUR AWS SECRET")); AWSComprehendMedical client = AWSComprehendMedicalClient.builder() .withCredentials(credentials) .withRegion("YOUR REGION") .build(); DetectEntitiesV2Request request = new DetectEntitiesV2Request(); request.setText("cerealx 84 mg daily"); DetectEntitiesV2Result result = client.detectEntitiesV2(request); result.getEntities().forEach(System.out::println); } }
A saída contém as três entidades encontradas no texto de entrada e sua localização no texto de entrada. Um nível de confiança de que a entidade foi identificada corretamente também é listado com cada entidade. A saída a seguir mostra as entidades Generic_Name, Dosage e Frequency do exemplo precedente.
{Id: 0,BeginOffset: 0,EndOffset: 3,Score: 0.9940211,Text: Bob,Category:
PROTECTED_HEALTH_INFORMATION,Type: NAME,Traits: [],}
{Id: 2,BeginOffset: 23,EndOffset: 30,Score: 0.99914634,Text: aspirin,Category: MEDICATION,Type: GENERIC_NAME,Traits: [],Attributes:
[{Type: DOSAGE,Score: 0.9630807,RelationshipScore: 0.99969745,Id: 1,BeginOffset: 14,EndOffset: 19,Text: 50 mg,Traits: []}]}Detectar entidades médicas usando o AWS SDK for Python (Boto)
O exemplo a seguir usa a operação DetectEntitiesV2 com Python. Para executar o exemplo, instale a AWS CLI. Para ter mais informações, consulte Etapa 2: configurar o AWS Command Line Interface (AWS CLI).
import boto3 client = boto3.client(service_name='comprehendmedical', region_name='YOUR REGION') result = client.detect_entities(Text= 'cerealx 84 mg daily') entities = result['Entities'] for entity in entities: print('Entity', entity)
A saída contém as três entidades encontradas no texto de entrada e sua localização no texto de entrada. Um nível de confiança de que a entidade foi identificada corretamente também é listado com cada entidade. A saída a seguir mostra as entidades Generic_Name, Dosage e Frequency do exemplo precedente.
('Entity', {u'Category': u'MEDICATION', u'BeginOffset': 0, u'EndOffset': 7,
u'Text': u'cerealx', u'Traits': [], u'Score': 0.8877691626548767, u'Attributes': [{u'BeginOffset': 8, u'EndOffset': 13,
u'Text': u'84 mg', u'Traits': [], u'Score': 0.9337134957313538, u'Type': u'DOSAGE', u'Id': 1, u'RelationshipScore': 0.9995118379592896},
{u'BeginOffset': 14, u'EndOffset': 19, u'Text': u'daily', u'Traits': [], u'Score': 0.990627646446228, u'Type': u'FREQUENCY',
u'Id': 2, u'RelationshipScore': 0.9987651109695435}], u'Type': u'BRAND_NAME', u'Id': 0})