Un ospedale sta digitalizzando un ampio archivio di cartelle cliniche storiche e continuerà ad aggiungere centinaia di documenti al giorno. Il team di dati eseguirà la scansione dei documenti e li caricherà su AWS. Un architetto di soluzioni deve analizzare i documenti, estrarre le informazioni mediche e archiviare i risultati in modo che un'applicazione possa eseguire query SQL sui dati. La soluzione deve massimizzare la scalabilità e minimizzare lo sforzo operativo. Quali due passaggi dovrebbe intraprendere l'architetto di soluzioni? (Scegliere due.)

Le opzioni corrette massimizzano la scalabilità e minimizzano lo sforzo operativo. L'uso di una funzione AWS Lambda attivata dal caricamento di nuovi documenti, combinata con Amazon Textract per l'estrazione del testo e Amazon Comprehend Medical per l'analisi delle informazioni mediche, fornisce una soluzione serverless e altamente scalabile per l'elaborazione dei documenti. L'archiviazione dei dati elaborati in un bucket Amazon S3 e l'interrogazione tramite Amazon Athena offre una soluzione di data lake scalabile e senza server, ideale per query SQL ad hoc senza la necessità di gestire infrastrutture di database. L'opzione di scrivere su un'istanza Amazon EC2 con MySQL introduce la gestione del server e problemi di scalabilità. L'opzione che utilizza Amazon Rekognition e Amazon Transcribe Medical è meno adatta per l'estrazione di testo da documenti scansionati rispetto a Textract e Comprehend Medical, che sono specificamente progettati per l'analisi di testi medici da documenti. La creazione di un gruppo Auto Scaling di istanze EC2 per un'applicazione personalizzata aumenta lo sforzo operativo rispetto a una soluzione serverless.