Vad är textanalys för hälsa?
Viktigt!
Textanalys för hälsa är en funktion som tillhandahålls "AS IS" och "WITH ALL FAULTS". Textanalys för hälsa är inte avsedd eller tillgänglig för användning som medicinteknisk enhet, kliniskt stöd, diagnostikverktyg eller annan teknik som är avsedd att användas för diagnos, botemedel, lindring, behandling eller förebyggande av sjukdomar eller andra tillstånd, och ingen licens eller rätt beviljas av Microsoft att använda den här funktionen för sådana ändamål. Denna funktion är inte utformad eller avsedd att genomföras eller användas som ersättning för professionell medicinsk rådgivning eller hälso- och sjukvårdsutlåtande, diagnos, behandling eller klinisk bedömning av en sjukvårdspersonal, och bör inte användas som sådan. Kunden är ensam ansvarig för all användning av textanalys för hälsa. Kunden måste ha separat licens för alla källvokabulär som den avser att använda under de villkor som anges för det UMLS Metathesaurus licensavta, bilaga eller någon framtida motsvarande länk. Kunden ansvarar för att säkerställa att licensvillkoren följs, inklusive eventuella geografiska eller andra tillämpliga begränsningar.
Textanalys för hälsa tillåter nu extrahering av SDOH (Social Determinants of Health) och etnicitetsomnämnanden i text. Denna funktion kanske inte täcker alla potentiella SDOH och härleder inte slutsatser baserade på SDOH eller etnicitet (till exempel visas information om substansanvändning, men missbruket härleds inte). Alla beslut som utnyttjar utdata från textanalysen för hälsa som påverkar individer eller resursallokering (inklusive, men inte begränsat till, de som rör fakturering, personal eller behandlingshantering av vård) bör fattas med mänsklig tillsyn och inte enbart baseras på resultaten av modellen. Syftet med SDOH och etnicitetsextrahering är att hjälpa leverantörer att förbättra hälsoresultaten och det bör inte användas för att stigmatisera eller dra negativa slutsatser om användare eller konsumenter av SDOH-data eller patientpopulationer utöver det angivna syftet att hjälpa leverantörer att förbättra hälsoresultaten.
Textanalys för hälsa är en av de fördefinierade funktioner som erbjuds av Azure AI Language. Det är en molnbaserad API-tjänst som tillämpar maskininlärningsinformation för att extrahera och märka relevant medicinsk information från en mängd ostrukturerade texter, till exempel läkaranteckningar, sammanfattningar av ansvarsfrihet, kliniska dokument och elektroniska hälsojournaler.
Den här dokumentationen innehåller följande typer av artiklar:
- Snabbstartsartikeln innehåller en kort självstudiekurs som hjälper dig att göra din första begäran till tjänsten.
- Instruktionsguiderna innehåller detaljerade instruktioner för hur du gör anrop till tjänsten med hjälp av det värdbaserade API:et eller med hjälp av den lokala Docker-containern.
- De konceptuella artiklarna innehåller detaljerad information om var och en av tjänstens funktioner, namngiven entitetsigenkänning, relationsextrahering, entitetslänkning och kontrollidentifiering.
Textanalys för hälsofunktioner
Textanalys för hälsa utför fyra viktiga funktioner som heter entitetsigenkänning, relationsextrahering, entitetslänkning och kontrollidentifiering, allt med ett enda API-anrop.
Namngiven entitetsigenkänning används för att utföra en semantisk extrahering av ord och fraser som nämns från ostrukturerad text som är associerade med någon av de entitetstyper som stöds, till exempel diagnos, medicineringsnamn, symptom/tecken eller ålder.
Textanalys för hälsa kan ta emot ostrukturerad text på engelska, tyska, franska, italienska, spanska, portugisiska och hebreiska.
Dessutom kan textanalys för hälsa returnera bearbetade utdata med hjälp av FHIR-strukturen (Fast Healthcare Interoperability Resources) som möjliggör tjänstens integrering med andra elektroniska hälsosystem.
Användningsscenarier
Textanalys för hälsa kan användas i flera scenarier i olika branscher. Några vanliga kundmotiveringar för att använda textanalys för hälsa är:
- Hjälpa till och automatisera bearbetningen av medicinska dokument genom korrekt medicinsk kodning för att säkerställa korrekt vård och fakturering.
- Öka effektiviteten i att analysera hälso- och sjukvårdsdata för att hjälpa till att driva framgången för värdebaserade vårdmodeller som liknar Medicare.
- Minimera vårdgivarens arbete genom att automatisera aggregeringen av viktiga patientdata för trend- och mönsterövervakning.
- Underlätta och stödja införandet av HL7-standarder för förbättrat utbyte, integrering, delning, hämtning och leverans av elektronisk hälsoinformation inom alla hälso- och sjukvårdstjänster.
Exempel på användningsfall:
| Användningsfall | beskrivning |
|---|---|
| Extrahera insikter och statistik | Identifiera medicinska entiteter som symtom, mediciner, diagnos från kliniska dokument och forskningsdokument för att extrahera insikter och statistik för olika patientkohorter. |
| Utveckla förutsägelsemodeller med historiska data | Energilösningar för planering, beslutsstöd, riskanalys med mera, baserat på förutsägelsemodeller som skapats från historiska data. |
| Kommentera och kurera medicinsk information | Stödlösningar för klinisk dataanteckning och kuration, till exempel automatisering av klinisk kodning och digitalisering av manuellt skapade data. |
| Granska och rapportera medicinsk information | Stödlösningar för rapportering och flaggning av möjliga fel i medicinsk information till följd av granskningsprocesser som kvalitetssäkring. |
| Hjälp med beslutsstöd | Aktivera lösningar som ger människor hjälpinformation om patienternas medicinska information för snabbare och mer tillförlitliga beslut. |
Kom igång med textanalys för hälsa
Om du vill använda textanalys för hälsa skickar du ostrukturerad ostrukturerad text för analys och hanterar API-utdata i ditt program. Analysen utförs som den är, utan ytterligare anpassning till den modell som används för dina data. Det finns två sätt att använda textanalys för hälsa:
| Utvecklingsalternativ | beskrivning |
|---|---|
| Language Studio | Language Studio är en webbaserad plattform där du kan prova entitetslänkning med textexempel utan ett Azure-konto och dina egna data när du registrerar dig. Mer information finns på Language Studio-webbplatsen eller language studio-snabbstarten. |
| REST API eller klientbibliotek (Azure SDK) | Integrera textanalys för hälsa i dina program med hjälp av REST-API:et eller klientbiblioteket som är tillgängligt på flera olika språk. Mer information finns i snabbstarten Textanalys för hälsa. |
| Docker-container | Använd den tillgängliga Docker-containern för att distribuera den här funktionen lokalt. Med dessa docker-containrar kan du föra tjänsten närmare dina data av kompatibilitets-, säkerhets- eller andra driftsskäl. |
Indatakrav och tjänstbegränsningar
Textanalys för hälsa är utformad för att ta emot ostrukturerad text för analys. Mer information finns i data- och tjänstbegränsningar.
Textanalys för hälsa fungerar med en mängd olika indataspråk. Mer information finns i språkstöd.
Referensdokumentation och kodexempel
När du använder den här funktionen i dina program kan du läsa följande referensdokumentation och exempel för Azure AI Language:
| Utvecklingsalternativ/språk | Referensdokumentation | Exempel |
|---|---|---|
| REST-API | Dokumentation om REST API | |
| C# | C#-dokumentation | C#-exempel |
| Java | Java-dokumentation | Java-exempel |
| JavaScript | JavaScript-dokumentation | JavaScript-exempel |
| Python | Python-dokumentation | Python-exempel |
Ansvarsfull användning av AI
Ett AI-system innehåller tekniken, de personer som ska använda den, de personer som påverkas av den och miljön där den distribueras. Läs transparensanteckningen för Textanalys för hälsa för att lära dig mer om ansvarsfull AI-användning och distribution i dina system. Mer information finns i följande artiklar: