O que é a Análise de Texto personalizada para a saúde?

A Análise de Texto Personalizada para integridade é um dos recursos personalizados oferecidos pela Linguagem de IA do Azure. É um serviço de API baseado em nuvem que aplica inteligência de aprendizado de máquina para permitir que você crie modelos personalizados sobre a Análise de Texto para integridade para tarefas personalizadas de reconhecimento de entidades de saúde.

A Análise de Texto Personalizada para Saúde permite que os usuários criem modelos de IA personalizados para extrair entidades específicas de cuidados de saúde de texto não estruturado, como notas clínicas e relatórios. Ao criar um projeto personalizado de Análise de Texto para integridade, os desenvolvedores podem definir iterativamente novo vocabulário, rotular dados, treinar, avaliar e melhorar o desempenho do modelo antes de disponibilizá-lo para consumo. A qualidade dos dados rotulados afeta muito o desempenho do modelo. Para simplificar a construção e personalização do seu modelo, o serviço oferece um portal web que pode ser acessado através do estúdio de idiomas. Você pode facilmente começar com o serviço seguindo as etapas neste início rápido.

Esta documentação contém os seguintes tipos de artigo:

• Os guias de início rápido são instruções de introdução para guiá-lo na criação de solicitações para o serviço.
• Os conceitos fornecem explicações sobre a funcionalidade e os recursos do serviço.
• Os guias de instruções contêm instruções para usar o serviço de maneiras mais específicas ou personalizadas.

Exemplos de cenários de utilização

Da mesma forma que a Análise de Texto para saúde, a Análise de Texto personalizada para saúde pode ser usada em vários cenários em uma variedade de setores de saúde. No entanto, o principal uso desse recurso é fornecer uma camada de personalização sobre o Text Analytics for health para estender seu mapa de entidade existente.

Ciclo de vida de desenvolvimento do projeto

O uso da Análise de Texto personalizada para integridade normalmente envolve várias etapas diferentes.

• Defina seu esquema: conheça seus dados e defina as novas entidades que você deseja extrair sobre o mapa de entidades existente do Text Analytics for Health. Evite a ambiguidade.

• Rotule seus dados: rotular dados é um fator-chave para determinar o desempenho do modelo. Rotule de forma precisa, consistente e completa.

  • Rotule com precisão: rotule cada entidade sempre com o tipo certo. Inclua apenas o que deseja extrair, evite dados desnecessários em seus rótulos.
  • Rotular de forma consistente: a mesma entidade deve ter o mesmo rótulo em todos os arquivos.
  • Rotular completamente: rotule todas as instâncias da entidade em todos os seus arquivos.

• Treinar o modelo: seu modelo começa a aprender com seus dados rotulados.

• Visualize o desempenho do modelo: Após a conclusão do treinamento, visualize os detalhes da avaliação do modelo, seu desempenho e orientações sobre como melhorá-lo.

• Implantar o modelo: a implantação de um modelo o torna disponível para uso por meio de uma API.

• Extrair entidades: use seus modelos personalizados para tarefas de extração de entidades.

Documentação de referência e exemplos de código

À medida que você usa a Análise de Texto personalizada para integridade, consulte a seguinte documentação de referência para o Azure AI Language:

IA responsável

Um sistema de IA inclui não apenas a tecnologia, mas também as pessoas que a usarão, as pessoas que serão afetadas por ela e o ambiente em que ela é implantada. Leia a nota de transparência do Text Analytics for health para saber mais sobre o uso e a implantação responsáveis da IA em seus sistemas. Você também pode ver os seguintes artigos para obter mais informações:

• Nota de transparência para a linguagem de IA do Azure
• Integração e utilização responsável
• Dados, privacidade e segurança

Próximos passos

• Use o artigo de início rápido para começar a usar a Análise de Texto personalizada para integridade.

• Ao percorrer o ciclo de vida de desenvolvimento do projeto, revise o glossário para saber mais sobre os termos usados em toda a documentação para esse recurso.

• Lembre-se de visualizar os limites de serviço para informações como disponibilidade regional.