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.
# Lote de análise de texto APIs
Use o Amazon Comprehend Medical para analisar textos médicos armazenados no bucket do Amazon S3. Analise até 10 GB de documentos em um lote. Você usa o console para criar e gerenciar trabalhos de análise em lote ou usa em lote APIs para detectar entidades médicas, incluindo informações de saúde protegidas (PHI). O APIs início, a interrupção, a lista e a descrição dos trabalhos de análise em lote em andamento.
Informações sobre preços para análise de lotes e outras operações do Amazon Comprehend Medical podem ser encontradas [aqui](https://aws.amazon.com/comprehend/medical/pricing/).
## Aviso importante
As operações de análise do Amazon Comprehend Medical não substituem o aconselhamento, diagnóstico ou tratamento médico profissional. Identifique o limite de confiança certo para seu caso de uso e use limites de alta confiança em situações que exigem alta precisão. Para certos casos de uso, os resultados devem ser revisados e verificados por revisores humanos devidamente treinados. Todas as operações do Amazon Comprehend Medical só devem ser usadas em cenários de atendimento ao paciente após uma revisão que assegure a precisão e uma opinião médica confiável por profissionais médicos treinados.
## Executando a análise em lote usando o APIs
Você pode executar um trabalho de análise em lote usando o console do Amazon Comprehend Medical ou o Amazon Comprehend Medical Batch. APIs
**Pré-requisitos**
Ao usar a API do Amazon Comprehend Medical, crie uma política do AWS Identity Access and Management (IAM) e anexe-a a um perfil do IAM. Para saber mais sobre as políticas de confiança e os perfis do IAM, consulte [Políticas e permissões do IAM](https://docs.aws.amazon.com/IAM/latest/UserGuide/access_policies.html).
****
1. Faça upload de seus dados em um bucket do S3.
1. Para iniciar um novo trabalho de análise, use a operação StartEntitiesDetection V2Job ou a operação Start PHIDetection Job. Ao iniciar o trabalho, informe ao Amazon Comprehend Medical o nome do bucket do S3 de entrada que contém os arquivos de entrada e designe o bucket do S3 de saída para gravar os arquivos após a análise em lote.
1. Monitore o progresso do trabalho usando o console ou a operação DescribeEntitiesDetection V2Job ou a operação Describe PHIDetection Job. Além disso, o ListEntitiesDetection V2Jobs e o List PHIDetection Jobs permitem que você veja o status de todas as ontologias que vinculam trabalhos de análise em lote.
1. Se você precisar interromper um trabalho em andamento, use o StopEntitiesDetection V2Job ou o Stop Job PHIDetection para interromper a análise.
1. Para ver os resultados do seu trabalho de análise, consulte o bucket do S3 de saída que você configurou ao iniciar o trabalho.
## Executar análise em lote usando o console
****
1. Faça upload de seus dados em um bucket do S3.
1. Para iniciar um novo trabalho de análise, selecione o tipo de análise que você executará. Em seguida, forneça o nome do bucket do S3 que contém os arquivos de entrada e o nome do bucket do S3 para o qual você deseja enviar os arquivos de saída.
1. Monitore o status do seu trabalho enquanto ele estiver em andamento. No console, você pode visualizar todas as operações de análise em lote e seu status, incluindo quando a análise foi iniciada e finalizada.
1. Para ver os resultados do seu trabalho de análise, consulte o bucket do S3 de saída que você configurou ao iniciar o trabalho.
## Políticas do IAM para operações em lote
A função do IAM que chama o lote do Amazon Comprehend Medical APIs deve ter uma política que conceda acesso aos buckets do S3 que contêm os arquivos de entrada e saída. Também deve ser atribuída uma relação de confiança que permite que o serviço do Amazon Comprehend Medical assuma a função. Para saber mais sobre as políticas de confiança e os perfis do IAM, consulte [Perfis do IAM](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_roles.html).
O perfil deve ter a política a seguir.
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Action": [
"s3:GetObject"
],
"Resource": [
"arn:aws:s3:::input-bucket/*"
],
"Effect": "Allow"
},
{
"Action": [
"s3:ListBucket"
],
"Resource": [
"arn:aws:s3:::input-bucket",
"arn:aws:s3:::output-bucket"
],
"Effect": "Allow"
},
{
"Action": [
"s3:PutObject"
],
"Resource": [
"arn:aws:s3:::output-bucket/*"
],
"Effect": "Allow"
}
]
}
```
------
O perfil deve ter a relação de confiança a seguir. É recomendável usar as chaves de condição `aws:SourceAccount ` ou `aws:SourceArn` para evitar o problema de segurança "confused deputy". Para saber mais sobre o problema do delegado confuso e como proteger sua AWS conta, consulte [O problema do deputado confuso](https://docs.aws.amazon.com/IAM/latest/UserGuide/confused-deputy.html) na documentação do IAM.
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement":[
{
"Effect":"Allow",
"Principal":{
"Service":[
"comprehendmedical.amazonaws.com"
]
},
"Action":"sts:AssumeRole",
"Condition": {
"StringEquals": {
"aws:SourceAccount": "account_id"
},
"ArnLike": {
"aws:SourceArn": "arn:aws:comprehendmedical:us-east-1:account_id:*"
}
}
}
]
}
```
------
## Arquivos de saída de análise em lote
O Amazon Comprehend Medical cria um arquivo de saída para cada arquivo de entrada no lote. O arquivo tem a extensão `.out`. O Amazon Comprehend Medical primeiro cria um diretório no bucket S3 de saída usando o *AwsAccountId* - *JobType* - *JobId* como nome e, em seguida, grava todos os arquivos de saída do lote nesse diretório. O Amazon Comprehend Medical cria esse novo diretório para que a saída de um trabalho não substitua a saída de outro.
A saída de uma operação em lote produz a mesma saída de uma operação síncrona. Para obter exemplos da saída gerada pelo Amazon Comprehend Medical, consulte [Detectar entidades (versão 2)](textanalysis-entitiesv2.md).
Cada operação em lote produz três arquivos de manifesto que contêm informações sobre o trabalho.
+ `Manifest`: resume o trabalho. Fornece informações sobre os parâmetros usados para a tarefa, o tamanho total da tarefa e o número de arquivos processados.
+ `success`: fornece informações sobre os arquivos que foram processados com êxito. Inclui o nome do arquivo de entrada e saída e o tamanho do arquivo de entrada.
+ `unprocessed`: lista os arquivos que o trabalho em lote não processou, incluindo códigos de erro e mensagens de erro por arquivo.
O Amazon Comprehend Medical grava os arquivos no diretório de saída que você especificou para o trabalho em lotes. O arquivo de resumo do manifesto será gravado na pasta de saída, junto com uma pasta chamada `Manifest_AccountId-Operation-JobId`. Dentro da pasta do manifesto, há uma pasta `success` que contém o manifesto de sucesso. Também está incluída uma pasta `failed` que contém o manifesto do arquivo não processado. As seções a seguir mostram a estrutura dos arquivos do manifesto.
### Arquivo de manifesto em lote
Veja a seguir a estrutura JSON do arquivo do manifesto em lote.
```
{"Summary" :
{"Status" : "COMPLETED | FAILED | PARTIAL_SUCCESS | STOPPED",
"JobType" : "EntitiesDetection | PHIDetection",
"InputDataConfiguration" : {
"Bucket" : "input bucket",
"Path" : "path to files/account ID-job type-job ID"
}, "OutputDataConfiguration" : {
"Bucket" : "output bucket",
"Path" : "path to files"
},
"InputFileCount" : number of files in input bucket,
"TotalMeteredCharacters" : total characters processed from all files,
"UnprocessedFilesCount" : number of files not processed,
"SuccessFilesCount" : total number of files processed,
"TotalDurationSeconds" : time required for processing,
"SuccessfulFilesListLocation" : "path to file",
"UnprocessedFilesListLocation" : "path to file",
"FailedJobErrorMessage": "error message or if not applicable,
The status of the job is completed"
}
}
```
### Arquivo de manifesto de sucesso
Veja a seguir a estrutura JSON do arquivo que contém informações sobre arquivos processados com êxito.
```
{
"Files": [{
"Input": "input path/input file name",
"Output": "output path/output file name",
"InputSize": size in bytes of input file
}, {
"Input": "input path/input file name",
"Output": "output path/output file name",
"InputSize": size in bytes of input file
}]
}
```
### Arquivo de manifesto não processado
Veja a seguir a estrutura JSON do arquivo de manifesto que contém informações sobre arquivos não processados.
```
{
"Files" : [ {
"Input": "file_name_that_failed",
"ErrorCode": "error code for exception",
"ErrorMessage": "explanation of the error code and suggestions"
},
{ ...}
]
}
```