Delen via

Verrijking van ongestructureerde klinische notities (preview) gebruiken in oplossingen voor gezondheidszorggegevens

  • Artikel

[Dit artikel maakt deel uit van de voorlopige documentatie en kan nog veranderen.]

Notitie

Deze inhoud wordt momenteel bijgewerkt.

Verrijking van ongestructureerde klinische notities (preview) maakt gebruik van de service Text Analytics for Health van Azure AI Taal om belangrijke FHIR-entiteiten (Fast Healthcare Interoperability Resources) uit ongestructureerde klinische notities te extraheren. Het geeft structuur aan deze klinische notities. Vervolgens kunt u deze gestructureerde gegevens analyseren om inzichten, voorspellingen en kwaliteitsmaatregelen af te leiden waarmee u de gezondheidsresultaten van patiënten kunt verbeteren.

Voor meer informatie over de mogelijkheid en hoe u deze kunt implementeren en configureren, zie:

De verrijking van ongestructureerde klinische notities (preview) is rechtstreeks afhankelijk van de mogelijkheden van de fundamenten voor gezondheidszorggegevens. Zorg er eerst voor dat u de pipelines van de fundamenten voor gezondheidszorggegevens instelt en uitvoert.

Vereisten

NLP-opnameservice

Het healthcare#_msft_ta4h_silver_ingestion-notitieblok voert de NLPIngestionService-module uit in de oplossingenbibliotheek voor gezondheidszorggegevens om de Text Analytics for Health-service aan te roepen. Met deze service worden ongestructureerde klinische notities uit de FHIR-resource DocumentReference.Content gehaald om uitvoer zonder opmaak te maken. Zie De configuratie van het notitieblok controleren voor meer informatie.

Gegevensopslag in zilveren laag

Na de analyse van de API voor natuurlijke taalverwerking (NLP) wordt de gestructureerde en onbewerkte uitvoer opgeslagen in de volgende native tabellen in het healthcare#_msft_silver-lakehouse:

  • nlpentity: bevat de entiteiten zonder opmaak die zijn geëxtraheerd uit de ongestructureerde klinische notities. Elke rij is een enkele term die uit de ongestructureerde tekst is geëxtraheerd na het uitvoeren van de tekstuele analyse.
  • nlprelationship: geeft de relatie tussen de geëxtraheerde entiteiten weer.
  • nlpfhir: bevat de FHIR-uitvoerbundel als een JSON-tekenreeks.

Om het laatst bijgewerkte tijdstempel bij te houden, gebruikt de NLPIngestionService het veld parent_meta_lastUpdated in alle drie zilveren lakehouse-tabellen. Deze tracering zorgt ervoor dat het brondocument DocumentReference, de bovenliggende resource, eerst wordt opgeslagen om de referentiële integriteit te behouden. Dit proces helpt inconsistenties in de gegevens en verweesde resources te voorkomen.

Belangrijk

Momenteel retourneert Text Analytics for Health vocabulaires die vermeld staan in de UMLS Metathesaurus Vocabulary-documentatie. Zie Gegevens importeren uit UMLS voor meer informatie over deze vocabulaires.

Voor de previewversie gebruiken we de terminologieën SNOMED-CT (Systematized Nomenclature of Medicine - Clinical Terms), LOINC (Logical Observation Identifiers, Names, and Codes) en RxNorm die zijn opgenomen in de OMOP- voorbeeldgegevensset op basis van richtlijnen van Observational Health Data Sciences and Informatics (OHDSI).

OMOP-transformatie

Oplossingen voor gezondheidszorggegevens in Microsoft Fabric bieden ook een andere mogelijkheid voor transformaties van Observational Medical Outcomes Partnership (OMOP). Wanneer u deze mogelijkheid uitvoert, transformeert de onderliggende transformatie van het zilveren lakehouse naar het OMOP gouden lakehouse ook de gestructureerde en onbewerkte uitvoer van de ongestructureerde analyse van klinische notities. De transformatie leest uit de nlpentity-tabel in het zilveren lakehouse en koppelt de uitvoer aan de NOTE_NLP-tabel in het OMOP gouden lakehouse.

Zie voor meer informatie: Overzicht van OMOP-transformaties.

Hier is het schema voor de gestructureerde NLP-uitvoer, met de bijbehorende NOTE_NLP-kolomtoewijzing naar het OMOP Common Data Model:

Referentie document zonder opmaak Omschrijving Note_NLP-toewijzing Voorbeeldgegevens
id Unieke id voor de entiteit. Samengestelde sleutel van parent_id, offset en length. note_nlp_id 1380
parent_id Een externe sleutel voor de documentreferencecontent-tekst zonder opmaak waaruit de term is geëxtraheerd. note_id 625
sms verzenden Entiteitstekst zoals wordt weergegeven in het document. lexical_variant Geen bekende allergieën
Verschuiving Tekenverschuiving van de geëxtraheerde term in de invoertekst documentreferencecontent. offset 294
data_source_entity_id Id van de entiteit in de opgegeven broncatalogus. note_nlp_concept_id en note_nlp_source_concept_id 37396387
nlp_last_executed De datum van de tekstanalyseverwerking van documentreferencecontent. nlp_date_time en nlp_date 2023-05-17T00:00:00.0000000
model Naam en versie van het NLP-systeem (naam van het Text Analytics for Health NLP-systeem en de versie). nlp_system MSFT TA4H

Een afbeelding die het schema weergeeft met voorbeeld-NLP-gegevens.

Servicelimieten voor Text Analytics for Health

  • Het maximale aantal tekens per document is 125.000.
  • De maximale grootte van de documenten in de volledige aanvraag is 1 MB.
  • Het maximale aantal documenten per aanvraag is:
    • 25 voor de webgebaseerde API.
    • 1000 voor de container.

Logboeken inschakelen

Volg deze stappen om aanvraag- en responsregistratie in te schakelen voor de Text Analytics for Health-API:

  • Schakel de diagnostische instellingen voor uw Azure Taal-servicebron in volgens de instructies in Diagnostische logboekregistratie inschakelen voor Azure AI-services. Deze bron is dezelfde taalservice die u tijdens de implementatiestap Azure Taal-service instellen hebt gemaakt.

    • Voer een naam in voor de diagnostische instelling.
    • Stel de categorie in op Aanvraag- en responslogboeken.
    • Selecteer Verzenden naar Log Analytics-werkruimte voor bestemmingsdetails en selecteer de vereiste Log Analytics-werkruimte. Als u nog geen werkruimte hebt, maakt u er een volgens de aanwijzingen.
    • Sla de instellingen op.

    Een schermopname van de diagnostische instellingen van de taalservice.

  • Ga naar de sectie NLP-configuratie in het NLP-opnameservicenotitieblok. Werk de waarde van de configuratieparameter enable_text_analytics_logs bij naar True. Voor meer informatie over dit notitieblok raadpleegt u De configuratie van het notitieblok controleren.

Logboeken weergeven in Azure Log Analytics

De logboekanalysegegevens verkennen:

  • Navigeer naar de Log Analytics-werkruimte.
  • Zoek en selecteer Logboeken. Vanaf deze pagina kunt u query's uitvoeren op uw logboeken.

Voorbeeldquery

Hieronder vindt u een eenvoudige Kusto-query waarmee u uw logboekgegevens kunt onderzoeken. Met deze voorbeeldquery worden alle mislukte verzoeken van de resourceprovider Azure Cognitive Services van de afgelopen dag opgehaald, gegroepeerd op fouttype:

AzureDiagnostics
| where TimeGenerated > ago(1d)
| where Category == "RequestResponse"
| where ResourceProvider == "MICROSOFT.COGNITIVESERVICES"
| where tostring(ResultSignature) startswith "4" or tostring(ResultSignature) startswith "5"
| summarize NumberOfFailedRequests = count() by ResultSignature