Detectar PHI

Use a operação DetectPHI quando quiser detectar somente dados de Informações de Saúde Protegidas (PHI) ao digitalizar o texto clínico. Para detectar todas as entidades disponíveis no texto clínico, use DetectEntitiesV2.

Essa API é melhor para um caso de uso em que somente a detecção de entidades PHI é necessária. Para obter informações sobre informações nas categorias não PHI, consulte. Detectar entidades (versão 2)

De acordo com a lei HIPAA, as PHI baseadas em uma lista de 18 identificadores devem ser tratadas com cuidado especial. O Amazon Comprehend Medical detecta entidades associadas a esses identificadores, mas essas entidades não mapeiam 1:1 para a lista especificada pelo método Safe Harbor. Nem todos os identificadores estão contidos em textos clínicos não estruturados, mas o Amazon Comprehend Medical cobre todos os identificadores relevantes. Esses identificadores consistem em dados que podem ser usados para identificar um paciente individual, incluindo a lista a seguir. Para obter mais informações, consulte Health Information Privacy no U.S. Site do Governo de Saúde e Serviços Humanos.

Cada PHI-related entidade inclui uma pontuação (Scorena resposta) que indica o nível de confiança que o Amazon Comprehend Medical tem na precisão da detecção. Identifique o limite de confiança certo para seu caso de uso e filtre entidades que não o atendam. Ao identificar ocorrências de PHI, talvez seja melhor usar um limite de confiança baixo para filtrar a fim de capturar mais entidades detectadas em potencial. Isso é especialmente verdadeiro quando não se usa os valores das entidades detectadas em casos de uso de conformidade.

As seguintes PHI-related entidades podem ser detectadas executando as operações DetectPHI ou DetectEntities V2:

Exemplo

O texto "O paciente é John Smith, professor de 48 anos e residente em Seattle, Washington". retornará:

No console do Amazon Comprehend Medical, isso é mostrado assim:

Ao usar a operação DetectPHI, a resposta aparece assim. Quando você usa a StartPHIDetectionJoboperação, o Amazon Comprehend Medical cria um arquivo no local de saída com essa estrutura.

{
    "Entities": [
        {
            "Id": 0,
            "BeginOffset": 11,
            "EndOffset": 21,
            "Score": 0.997368335723877,
            "Text": "John Smith",
            "Category": "PROTECTED_HEALTH_INFORMATION",
            "Type": "NAME",
            "Traits": []
        },
        {
            "Id": 1,
            "BeginOffset": 25,
            "EndOffset": 27,
            "Score": 0.9998362064361572,
            "Text": "48",
            "Category": "PROTECTED_HEALTH_INFORMATION",
            "Type": "AGE",
            "Traits": []
        },
        {
            "Id": 2,
            "BeginOffset": 37,
            "EndOffset": 44,
            "Score": 0.8661606311798096,
            "Text": "teacher",
            "Category": "PROTECTED_HEALTH_INFORMATION",
            "Type": "PROFESSION",
            "Traits": []
        },
        {
            "Id": 3,
            "BeginOffset": 61,
            "EndOffset": 68,
            "Score": 0.9629441499710083,
            "Text": "Seattle",
            "Category": "PROTECTED_HEALTH_INFORMATION",
            "Type": "ADDRESS",
            "Traits": []
        },
        {
            "Id": 4,
            "BeginOffset": 78,
            "EndOffset": 88,
            "Score": 0.38217034935951233,
            "Text": "Washington",
            "Category": "PROTECTED_HEALTH_INFORMATION",
            "Type": "ADDRESS",
            "Traits": []
        }
    ],
    "UnmappedAttributes": []
}