한 병원에서 PDF 및 JPEG 형식으로 보고서를 업로드하기 위해 Amazon API Gateway 및 AWS Lambda를 사용하여 RESTful API를 배포했습니다. 병원에서는 보고서에서 보호 건강 정보(PHI)를 식별하도록 Lambda 코드를 수정해야 합니다. 운영 오버헤드가 가장 적은 요구 사항을 충족하는 솔루션은 무엇입니까?

정답은 Amazon Textract를 사용하여 보고서에서 텍스트를 추출하고 Amazon Comprehend Medical을 사용하여 추출된 텍스트에서 PHI를 식별하는 것입니다. Amazon Textract는 PDF 및 JPEG와 같은 문서에서 텍스트와 데이터를 자동으로 추출하는 데 최적화된 기계 학습 서비스입니다. Amazon Comprehend Medical은 의료 텍스트에서 PHI를 포함한 건강 정보를 정확하게 식별하고 추출하도록 특별히 설계된 HIPAA 적격 서비스입니다. 이 두 서비스를 함께 사용하면 운영 오버헤드를 최소화하면서 요구 사항을 효율적으로 충족할 수 있습니다. 오답: 기존 Python 라이브러리 사용은 PHI 식별을 위한 사용자 지정 코드를 개발하고 유지 관리해야 하므로 운영 오버헤드가 더 큽니다. Amazon SageMaker는 사용자 지정 기계 학습 모델을 구축하고 훈련하는 데 사용되지만, 이미 PHI 식별을 위해 사전 훈련된 Amazon Comprehend Medical이 있으므로 불필요한 복잡성과 오버헤드를 추가합니다. Amazon Rekognition은 이미지 및 비디오 분석에 사용되며, 문서에서 텍스트를 추출하는 데는 적합하지 않습니다.