某醫院正在將大量歷史書面記錄數位化，並且每天會持續新增數百份文件。資料團隊將掃描文件並將其上傳到 AWS。解決方案架構師必須分析文件、擷取醫療資訊，並儲存結果，以便應用程式可以對資料執行 SQL 查詢。該解決方案應最大限度地提高可擴展性並最大限度地減少營運工作。解決方案架構師應採取哪兩個步驟？（選擇兩項）

正確答案結合了無伺服器處理和經濟高效的分析。首先，使用 Lambda 函數在文件上傳時自動觸發處理。Textract 專為從掃描文件中提取文字和結構化數據而設計，非常適合數位化歷史記錄。Comprehend Medical 則能從這些文字中識別和提取醫療實體，滿足擷取醫療資訊的需求。最後，將處理後的資訊儲存到 Amazon S3，這是一個高度可擴展且經濟的儲存服務。Amazon Athena 允許直接對 S3 中的資料執行 SQL 查詢，無需管理伺服器，最大限度地提高可擴展性並減少營運工作。 將文件資訊寫入執行 MySQL 資料庫的 Amazon EC2 執行個體會增加管理負擔和潛在的擴展限制。建立 Auto Scaling group 來執行自訂應用程式雖然可擴展，但與無伺服器解決方案相比，營運開銷更大。使用 Amazon Rekognition 和 Amazon Transcribe Medical 不如 Textract 和 Comprehend Medical 適合處理掃描文件並從中提取醫療資訊。