API Healthcare Natural Language

L'API Healthcare Natural Language fait partie de l'API Cloud Healthcare qui utilise des modèles de langage naturel pour extraire des informations médicales d'un texte.

Ce guide conceptuel explique les principes de base de l'utilisation de l'API Healthcare Natural Language, y compris :

  • Les types de requêtes que vous pouvez envoyer à l'API Healthcare Natural Language
  • Comment créer des requêtes à l'API Healthcare Natural Language
  • Comment traiter les réponses de l'API Healthcare Natural Language

Présentation

L'API Healthcare Natural Language extrait des informations de santé à partir de texte médical. Ces informations de santé peuvent inclure les éléments suivants :

  • Des concepts médicaux, tels que des médicaments, des procédures et des maladies
  • Des caractéristiques fonctionnelles, telles que les relations temporelles, les sujets et les évaluations de certitude
  • Des relations, telles que les effets secondaires et le dosage des médicaments

Choisir entre l'API Healthcare Natural Language et AutoML Entity Extraction for Healthcare

L'API Healthcare Natural Language propose des modèles de langage naturel pré-entraînés pour extraire les concepts médicaux et relations du texte médical. L'API Healthcare Natural Language mappe le texte dans un ensemble prédéfini de catégories de connaissances médicales.

AutoML Entity Extraction for Healthcare vous permet de créer un modèle d'extraction d'entités personnalisé entraîné utilisant votre propre texte médical annoté et vos propres catégories. Pour en savoir plus, consultez la documentation sur AutoML Entity Extraction for Healthcare.

Régions acceptées

L'API Healthcare Natural Language est disponible dans les emplacements suivants :

Nom du lieu Description de l'emplacement
asia-south1 Mumbai, Inde
australia-southeast1 Sydney, Australie
europe-west2 Londres, Royaume-Uni
europe-west4 Pays-Bas
northamerica-northeast1 Montréal, Canada
us-central1 Iowa, États-Unis

Fonctionnalités de l'API Healthcare Natural Language

L'API Healthcare Natural Language inspecte le texte pour rechercher des concepts médicaux et des relations. Vous pouvez effectuer une analyse des entités à l'aide de la méthode analyzeEntities.

Requêtes d'analyse des entités

L'API Healthcare Natural Language est une API REST qui comprend des requêtes et réponses JSON. Les sections suivantes expliquent comment extraire différentes informations médicales à partir d'un texte médical donné:

La requête d'analyse des entités contient les champs suivants:

Champs d'une réponse d'analyse des entités

L'analyse des entités renvoie un ensemble de mentions de connaissances médicales, de concepts médicaux et de relations entre ces mentions, y compris les suivantes:

  • entityMentions: occurrences d'entités de connaissances médicales dans le texte médical source. Chaque mention d'entité comporte les champs suivants :

    • mentionId: identifiant unique d'une entité mentionnée dans la réponse.
    • type: catégorie de connaissances médicales de la mention d'entité.
    • text: comprend le champ textContent et décrit l'extrait du texte médical contenant la mention de l'entité, et offset, l'emplacement de la mention d'entité dans le texte médical source.
    • temporalAssessment: spécifie la relation entre l'entité associée et la mention d'entité (CURRENT, CLINICAL_HISTORY, FAMILY_HISTORY, UPCOMING ou OTHER).
    • certaintyAssessment: négation ou qualification du concept médical, parmi LIKELY, SOMEWHAT_LIKELY, UNCERTAIN, SOMEWHAT_UNLIKELY, UNLIKELY ou CONDITIONAL.
    • subject: spécifie l'objet auquel se rapporte le concept médical (PATIENT, FAMILY_MEMBER ou OTHER).
    • linkedEntities: liste de concepts médicaux pouvant être liés à cette mention d'entité. Les entités associées spécifient entityId, qui associe un concept médical à une entité dans entities.
  • entities: décrit les concepts médicaux issus des champs des entités associées. Chaque entité est décrite à l'aide des champs suivants :

    • entityId: identifiant unique du champ linkedEntities.
    • preferredTerm: terme privilégié pour désigner le concept médical.
    • vocabularyCodes: représentation du concept médical dans les vocabulaires médicaux compatibles.
  • relationships: permet de définir des relations dirigées entre les mentions d'entités. Dans l'exemple, le sujet de la relation est "Régimes d'insuline humain" et l'objet de la relation est "5 unités".

  • confidence: indique le niveau de confiance du modèle dans la relation, sous la forme d'un nombre compris entre 0 et 1.

Outre les champs répertoriés, la réponse peut également contenir le champ additionalInfo, qui indique toute description supplémentaire du type de mention d'entité. Consultez la section Informations supplémentaires.

Langues disponibles

L'API Healthcare Natural Language ne permet d'extraire que des informations médicales d'un texte en anglais.

Vocabulaire médical compatible

L'API Healthcare Natural Language accepte les vocabulaires suivants :

  • Foundational Model of Anatomy
  • Gene Ontology
  • HUGO Gene Nomenclature Committee
  • Human Phenotype Ontology
  • ICD-10 Procedure Coding System
  • ICD-10-CM
  • ICD-9-CM
  • LOINC
  • MeSH
  • MedlinePlus Health Topics
  • Metathesaurus Names
  • NCBI Taxonomy
  • NCI Thesaurus
  • National Drug File
  • Online Mendelian Inheritance in Man
  • RXNORM
  • SNOMED CT (disponible uniquement pour les utilisateurs des États-Unis)

Catégories d'informations médicales compatibles

L'API Healthcare Natural Language attribue une catégorie de connaissances médicales au champ entityMentions.type. Voici la liste des catégories de connaissances médicales acceptées:

Catégorie d'information médicale Description
ANATOMICAL_STRUCTURE Partie complexe du corps humain, telle que les cellules, les organes et les systèmes.
BODY_FUNCTION Fonction exécutée par le corps humain.
BF_RESULT Résultat d'une fonction du corps.
BODY_MEASUREMENT Mesure normale du corps humain, telle que les signes vitaux, obtenue sans tests ou procédures complexes à l'aide d'instruments de base, comme un thermomètre ou un stéthoscope.
BM_RESULT Résultat d'une mesure corporelle.
BM_UNIT Unité de mesure corporelle.
BM_VALUE Valeur d'une mesure corporelle.
DATE Annotation de date (date du diagnostic, date de l'intervention ou date d'un traitement de rayonnement, par exemple).
LABORATORY_DATA Les résultats du test d'un échantillon de corps.
LAB_SPECIMEN Matériel biologique récolté auprès de l'organisme à des fins de test ou d'échantillonnage.
LAB_RESULT Description qualitative des données de laboratoire, telle que « augmentée », « a diminuée », « positive » ou « négative ».
LAB_VALUE Valeur d'une instance des données de laboratoire.
LAB_UNIT Unité de mesure de la valeur de laboratoire.
MEDICAL_DEVICE Instrument physique ou virtuel.
MEDICINE Médicament ou autre préparation pour le traitement ou la prévention d'une maladie.
MED_DOSE Dos d'un médicament.
MED_DURATION Période d'administration d'un médicament.
MED_FORM Caractéristiques physiques d'un médicament spécifique.
MED_FREQUENCY Fréquence à laquelle un médicament est pris.
MED_ROUTE Endroit dans le corps où un médicament est administré.
MED_STATUS L’état d’un médicament existant, tel que « continuer », « recommencer », « redémarrer », « arrêter », « changer », « augmenter » et « diminuer ».
MED_STRENGTH Quantité de l’ingrédient actif dans une dose d’un médicament.
MED_UNIT Unité de mesure du principe actif d’un médicament.
MED_TOTALDOSE Quantité de médicaments à prendre en une fois.
PROBLEM Maladie de santé, y compris les résultats et les maladies.
PROCEDURE Une procédure de diagnostic ou de traitement.
PROCEDURE_RESULT Les résultats d'une procédure.
PROC_METHOD La méthode utilisée pour mener une procédure.
SEVERITY Gravité de la maladie.
SUBSTANCE_ABUSE Description de l'abus d'une substance psychoactive.
CLINICAL_STATUS État d'un cas de cancer, tel que "actif", "récurrent", "récurrent" et "résolu".
DIMENSIONS Mesures d'une tumeur, d'une masse ou d'une croissance anormale.
GENE_STUDIED Les gènes étudiés qui conduisent directement ou indirectement à la formation de tumeurs, tels que BRCA1, p53 et ALK.
HISTOLOGICAL_GRADE Système de classification pour noter l'apparence d'une cellule cancéreuse.
RADIATION_DOSAGE Quantité de rayonnements donnés à un patient.
ONSET Annotation de date pour représenter la date à laquelle un patient a observé pour la première fois des problèmes liés au cancer.
VARIATION_CODE Code attribué à la variante génomique spécifique qui est détecté dans un système de codage majeur tel que Clinvar et HGVS.

Catégories de fonctionnalités fonctionnelles disponibles

L'API Healthcare Natural Language peut induire les fonctionnalités fonctionnelles, ou attributs, d'une entité mentionnée à partir du contexte. Par exemple, dans la phrase "La mère de Kusuma a le diabète", la condition "diabète" a la fonctionnalité fonctionnelle de subject FAMILY_MEMBER.

Relations temporelles

Les relations temporelles, renvoyées dans le champ temporalAssessment, décrivent la relation temporelle entre cette mention d'entité et le sujet.

L'API Healthcare Natural Language accepte les relations temporelles suivantes :

  • CURRENT
  • CLINICAL_HISTORY
  • FAMILY_HISTORY
  • UPCOMING
  • OTHER

Objets

Le sujet, renvoyé dans le champ subject, décrit la personne à laquelle se rapporte la mention d'entité.

L'API Healthcare Natural Language accepte les sujets suivants :

  • PATIENT
  • FAMILY_MEMBER
  • OTHER

Évaluations de certitude

Les évaluations de certitude, renvoyées dans le champ certaintyAssessment, décrivent la confiance du preneur de notes initial. Par exemple, si la note d'origine contient "Le patient présente des maux de gorge", l'évaluation de certitude renvoie la valeur LIKELY pour indiquer que le preneur de notes est confiant qu'il était probable que le patient présentait des maux de gorge. Si la note d'origine contient "Le patient ne présente pas de maux de gorge", l'évaluation de certitude renvoie la valeur UNLIKELY pour indiquer que le preneur de notes est confiant qu'il n'était pas probable que le patient présente des maux de gorge.

Les évaluations de certitude peuvent être associées à l'une des valeurs suivantes :

  • LIKELY
  • SOMEWHAT_LIKELY
  • UNCERTAIN
  • SOMEWHAT_UNLIKELY
  • UNLIKELY
  • CONDITIONAL

Informations supplémentaires

Le champ additionalInfo fournit des informations supplémentaires sur une mention d'entité. Par exemple, le champ additionalInfo pour une mention d'entité DATE peut contenir des détails sur le type de date, classés dans l'une des catégories suivantes:

  • ADMISSION_DATE
  • CONSULTATION_DATE
  • DISCHARGE_DATE
  • SERVICE_DATE
  • VISIT_DATE
  • DIAGNOSIS_DATE
  • MED_STARTED_DATE
  • MED_ENDED_DATE
  • NOTE_DATE
  • PROCEDURE_DATE
  • RADIATION_STARTED_DATE
  • RADIATION_ENDED_DATE
  • STAGE_DATE

Relations acceptées entre les mentions d'entités

L'API Healthcare Natural Language peut induire les relations entre les mentions d'entité en fonction du texte médical environnant. Dans la réponse, le sujet de la relation est identifié par subjectId et l'objet de la relation est identifié par objectId.

L'API Healthcare Natural Language accepte les relations suivantes entre les mentions d'entité :

Objet Objet
ANATOMICAL_STRUCTURE MEDICAL_DEVICE
BODY_FUNCTION BF_RESULT
BODY_MEASUREMENT BM_RESULT
BODY_MEASUREMENT BM_UNIT
BODY_MEASUREMENT BM_VALUE
LABORATORY_DATA LAB_RESULT
LABORATORY_DATA LAB_UNIT
LABORATORY_DATA LAB_VALUE
MEDICINE MED_DOSE
MEDICINE MED_DURATION
MEDICINE MED_FORM
MEDICINE MED_FREQUENCY
MEDICINE MED_ROUTE
MEDICINE MED_STATUS
MEDICINE MED_STRENGTH
MEDICINE MED_TOTALDOSE
MEDICINE MED_UNIT
PROBLEM ANATOMICAL_STRUCTURE
PROBLEM MEDICINE
PROBLEM PROCEDURE
PROBLEM SEVERITY
PROCEDURE ANATOMICAL_STRUCTURE
PROCEDURE PROC_METHOD
PROCEDURE PROCEDURE_RESULT
SUBSTANCE_ABUSE SEVERITY

Sortie de l'API Healthcare Natural Language sous forme de bundle FHIR

Lorsque vous demandez la méthode analyzeEntities avec le champ alternativeOutputFormat défini sur FHIR_BUNDLE, la réponse inclut les objets JSON suivants:

  • L'entité mentionne, les entités et les relations
  • Un bundle FHIR R4 représenté sous forme de chaîne, qui inclut toutes les entités, les mentions d'entité et les relations au format JSON

Pour créer le bundle FHIR R4, l'API Healthcare Natural Language mappe les mentions d'entité, les entités et les relations avec les ressources FHIR et leurs éléments. Le tableau suivant répertorie certains de ces mappages.

Mentions des entités de l'API Healthcare Natural Language Catégorie des connaissances médicales Ressources et éléments FHIR R4
PROBLEM Condition
PROBLEM Condition.category
PROBLEM Condition.status
PROBLEM ANATOMICAL_STRUCTURE Condition.bodySite
PROBLEM ANATOMICAL_STRUCTURE Condition.evidence
PROBLEM SEVERITY Condition.severity
PROCEDURE Procedure
PROCEDURE Procedure.status
PROCEDURE Procedure.code
PROCEDURE ANATOMICAL_STRUCTURE Procedure.bodySite
PROCEDURE MEDICAL_DEVICE Procedure.usedCode
PROCEDURE PROBLEM Procedure.reasonReference
MEDICINE MedicationStatement
MEDICINE MedicationStatement.status
MEDICINE MedicationStatement.medication
MEDICINE PROBLEM MedicationStatement.reasonReference
MEDICINE MED_DOSE MedicationStatement.dosage.doseAndRate.doseQuantity
MEDICINE MED_FREQUENCY MedicationStatement.dosage.text
MEDICINE MED_ROUTE MedicationStatement.dosage.route
MEDICINE MED_STRENGTH MedicationStatement.dosage.doseAndRate.doseQuantity
MEDICINE MED_UNIT MedicationStatement.dosage.doseAndRate.doseQuantity

Pour extraire des entités d'un texte en tant que bundle FHIR R4, consultez la section Extraire la sortie en tant que bundle FHIR R4.