BLOG
7월 20일 Amazon HealthLake가 정식 출시되었습니다.
어떤 규모에서든 신속하게 건강 데이터를 저장, 변환 및 분석할 수 있는 능력은 고품질 건강 결정을 내리는 데 매우 중요합니다. 일상생활에서 의사는 최상의 행동 과정을 파악하기 위해 환자 병력에 대해 연도순으로 완전하게 이해해야 합니다. 응급 상황에서 의료팀에 적절한 정보를 적시에 제공하면 환자 결과가 크게 개선될 수 있습니다. 마찬가지로 의료 및 생명 과학 연구자들은 인구 건강 동향 또는 약물 시험 수신자를 식별하기 위해 모델을 분석하고 구축할 수 있는 고품질의 표준화된 데이터가 필요합니다.
기본적으로 대부분의 의료 데이터는 임상 노트와 같은 비정형 텍스트로 잠겨 IT 사일로에 저장되었습니다. 이기종 애플리케이션, 인프라 및 데이터 포맷으로 인해 실무자가 환자 데이터에 액세스하고 이를 통해 인사이트를 추출하기가 어려워졌습니다. 당사는 이 문제를 해결하기 위해 Amazon HealthLake를 구축했습니다.
-서비스 상세 소개 링크 : https://aws.amazon.com/ko/blogs/korea/paging-doctor-cloud-amazon-healthlake-is-now-generally-available/
Amazon HealthLake 소개
1) Amazon HealthLake는 완전관리형 AWS 인프라의 지원을 받습니다.
2) AWS에서는 보안에 번거로움이 전혀 없습니다.
3) HealthLake는 출시 시점에 임상 노트, 실험실 보고서, 보험 청구 등에 일반적으로 발견되는 정형 및 비정형 텍스트 데이터를 모두 지원합니다.
4) 데이터가 이미 FHIR 형식이라면 좋습니다! 그렇지 않은 경우 직접 변환하거나 AWS Marketplace에서 사용할 수 있는 파트너 솔루션에 의존할 수 있습니다.
5) 데이터가 업로드되면 HealthLake는 통합된 자연어 처리를 사용하여 문서에 있는 엔터티를 추출하고 해당 메타데이터를 저장합니다.
6) 데이터를 업로드한 후 FHIR 리소스 및 추출된 엔터티에 파라미터 값을 할당하여 쿼리를 시작할 수 있습니다.
Amazon HealthLake에서 FHIR 데이터 쿼리 데모
데이터 스토어 생성
HTTPS 엔드포인트로 쿼리 전송
Base64 형식의 응답으로 첨부
Amazon HealthLake에 저장된 데이터 분석
HealthLake에서 데이터를 내보내 Amazon Simple Storage Service(Amazon S3) 버킷에 저장한 다음, 분석 및 기계 학습 작업에 사용할 수 있습니다. 예를 들어 AWS Glue를 사용하여 데이터를 변환하고, Amazon Athena로 쿼리하고, Amazon QuickSight를 사용하여 시각화할 수 있습니다. 이 데이터를 사용하여 Amazon SageMaker에 기계 학습 모델을 구축, 교육 및 배포할 수도 있습니다.