Azure Cognitive Services Health Insights Clinical Matching客户端库

Health Insights 是一个基于Azure Cognitive Services框架构建的Azure应用AI服务，利用多个认知服务、医疗API服务和其它Azure资源。 临床匹配模型 接收患者数据和临床试验方案，根据资格标准提供相关的临床试验。

源代码 | 包（PyPI） | API参考文档 | 产品文档 | 示例

入门

先决条件

• 使用此包需要Python 3.7或更高版本。
• 您需要一个 Azure订阅 来使用此包。
• 现有的认知服务健康洞察实例。

安装包

pip install azure-healthinsights-clinicalmatching

此表显示了SDK版本与支持的服务API版本之间的关系

验证客户端

获取端点

您可以使用Azure门户或Azure CLI找到您的健康洞察服务资源的端点

# Get the endpoint for the Health Insights service resource
az cognitiveservices account show --name "resource-name" --resource-group "resource-group-name" --query "properties.endpoint"

获取API密钥

您可以从Azure门户中的健康洞察服务资源获取API密钥。或者，您可以使用以下Azure CLI片段获取资源的API密钥。

az cognitiveservices account keys list --resource-group <your-resource-group-name> --name <your-resource-name>

使用API密钥凭据创建ClinicalMatchingClient

一旦您获得了API密钥的值，您可以将它作为字符串传递给一个AzureKeyCredential实例。使用该密钥作为凭据参数来验证客户端

import os
from azure.core.credentials import AzureKeyCredential
from azure.healthinsights.clinicalmatching import ClinicalMatchingClient

KEY = os.environ["HEALTHINSIGHTS_KEY"]
ENDPOINT = os.environ["HEALTHINSIGHTS_ENDPOINT"]

trial_matcher_client = ClinicalMatchingClient(endpoint=ENDPOINT, credential=AzureKeyCredential(KEY))

长时间运行的操作

长时间运行的操作是指由初始请求到服务以启动操作组成，然后通过定时轮询服务以确定操作是否完成或失败，如果成功，则获取结果的操作。

支持医疗保健分析、自定义文本分析或多个分析的方法被建模为长时间运行的操作。客户端公开了一个返回轮询对象的begin_<method-name>方法。调用者应通过在从begin_<method-name>方法返回的轮询对象上调用result()来等待操作完成。以下提供了一些示例代码片段，说明如何使用长时间运行的操作如下。

关键概念

试验匹配器为服务的用户提供两种主要的操作模式：以患者为中心和以临床试验为中心。

• 在以患者为中心的模式下，试验匹配器模型基于临床状况、位置、优先级、资格标准以及其他患者和/或服务用户可能选择优先考虑的标准来匹配患者。该模型有助于将相关临床试验的集合缩小到一个更小的试验集合，以便从特定患者似乎有资格的试验开始。
• 在以临床试验为中心的模式下，试验匹配器正在寻找可能符合临床试验资格的患者群体。试验匹配器首先根据临床状况和选定的临床观察结果进行筛选，然后专注于那些满足基线标准的患者，以找到似乎符合试验资格的患者群体。

示例

以下部分提供了几个代码片段，涵盖了健康洞察-临床匹配服务的一些常见任务，包括

• 匹配试验

匹配试验

寻找患者的潜在合格试验。

import os
import datetime
from azure.core.credentials import AzureKeyCredential
from azure.healthinsights.clinicalmatching import ClinicalMatchingClient, models

KEY = os.environ["HEALTHINSIGHTS_KEY"]
ENDPOINT = os.environ["HEALTHINSIGHTS_ENDPOINT"]

# Create a Trial Matcher client
# <client>
trial_matcher_client = ClinicalMatchingClient(endpoint=ENDPOINT,
                                              credential=AzureKeyCredential(KEY))
# </client>

# Create clinical info list
# <clinicalInfo>
clinical_info_list = [models.ClinicalCodedElement(system="http://www.nlm.nih.gov/research/umls",
                                                  code="C0032181",
                                                  name="Platelet count",
                                                  value="250000"),
                      models.ClinicalCodedElement(system="http://www.nlm.nih.gov/research/umls",
                                                  code="C0002965",
                                                  name="Unstable Angina",
                                                  value="true"),
                      models.ClinicalCodedElement(system="http://www.nlm.nih.gov/research/umls",
                                                  code="C1522449",
                                                  name="Radiotherapy",
                                                  value="false"),
                      models.ClinicalCodedElement(system="http://www.nlm.nih.gov/research/umls",
                                                  code="C0242957",
                                                  name="GeneOrProtein-Expression",
                                                  value="Negative;EntityType:GENEORPROTEIN-EXPRESSION"),
                      models.ClinicalCodedElement(system="http://www.nlm.nih.gov/research/umls",
                                                  code="C1300072",
                                                  name="cancer stage",
                                                  value="2")]

# </clinicalInfo>

# Construct Patient
# <PatientConstructor>
patient_info = models.PatientInfo(sex=models.PatientInfoSex.MALE, birth_date=datetime.date(1965, 12, 26),
                                  clinical_info=clinical_info_list)
patient1 = models.PatientRecord(id="patient_id", info=patient_info)
# </PatientConstructor>

# Create registry filter
registry_filters = models.ClinicalTrialRegistryFilter()
# Limit the trial to a specific patient condition ("Non-small cell lung cancer")
registry_filters.conditions = ["non small cell lung cancer (nsclc)"]
# Specify the clinical trial registry source as ClinicalTrials.Gov
registry_filters.sources = [models.ClinicalTrialSource.CLINICALTRIALS_GOV]
# Limit the clinical trial to a certain location, in this case California, USA
registry_filters.facility_locations = [
    models.GeographicLocation(country_or_region="United States", city="Gilbert", state="Arizona")]
# Limit the trial to a specific recruitment status
registry_filters.recruitment_statuses = [models.ClinicalTrialRecruitmentStatus.RECRUITING]

# Construct ClinicalTrial instance and attach the registry filter to it.
clinical_trials = models.ClinicalTrials(registry_filters=[registry_filters])

# Create TrialMatcherRequest
configuration = models.TrialMatcherModelConfiguration(clinical_trials=clinical_trials)
trial_matcher_data = models.TrialMatcherData(patients=[patient1], configuration=configuration)

poller = trial_matcher_client.begin_match_trials(trial_matcher_data)
trial_matcher_result = poller.result()
if trial_matcher_result.status == models.JobStatus.SUCCEEDED:
    tm_results = trial_matcher_result.results
    for patient_result in tm_results.patients:
        print(f"Inferences of Patient {patient_result.id}")
        for tm_inferences in patient_result.inferences:
            print(f"Trial Id {tm_inferences.id}")
            print(f"Type: {str(tm_inferences.type)}  Value: {tm_inferences.value}")
            print(f"Description {tm_inferences.description}")
else:
    tm_errors = trial_matcher_result.errors
    if tm_errors is not None:
        for error in tm_errors:
            print(f"{error.code} : {error.message}")

故障排除

一般

健康洞察临床匹配客户端库将引发在Azure Core中定义的异常。

日志记录

此库使用标准的logging库进行日志记录。

HTTP会话的基本信息（URL、标题等）以INFO级别进行记录。

详细的DEBUG级别日志记录，包括请求/响应体和未编辑的标题，可以通过logging_enable关键字参数在客户端或每个操作中启用。

有关示例的完整SDK日志记录文档请在此处查看。

可选配置

可选关键字参数可以在客户端和操作级别传递。Azure Core的参考文档描述了重试、日志记录、传输协议等可用的配置。

下一步

附加文档

有关Azure Health Insights临床匹配的更详细文档，请参阅docs.microsoft.com上的临床匹配文档。

贡献

本项目欢迎贡献和建议。大多数贡献都需要您同意贡献者许可协议（CLA），声明您有权并且确实授予我们使用您贡献的权利。有关详细信息，请访问https://cla.microsoft.com。

提交拉取请求时，CLA机器人会自动确定您是否需要提供CLA，并相应地装饰PR（例如，标签、注释）。只需遵循机器人提供的说明。您只需在所有使用我们的CLA的仓库中这样做一次。

本项目采用了Microsoft开源行为准则。有关更多信息，请参阅行为准则FAQ或联系opencode@microsoft.com以提出任何额外的问题或评论。