Azure认知服务健康洞察放射学洞察力Python客户端库

健康洞察力 是一个基于Azure认知服务框架构建的Azure应用AI服务，利用多个认知服务、Healthcare API服务和其它Azure资源。

放射学洞察力 是一个旨在提供质量检查作为错误和不一致（不匹配）的反馈，并确保通过报告的完整上下文识别和传达关键发现。还识别了放射科医生记录的后续建议和临床发现（尺寸）。

入门

先决条件

• 使用此软件包需要Python 3.8+。
• 使用此软件包需要Azure订阅。
• 现有的认知服务健康洞察实例。

有关创建资源或如何获取位置和SKU信息的更多信息，请参阅此处。

安装模块

python -m pip install azure-healthinsights-radiologyinsights

此表显示了SDK版本与服务支持的API版本之间的关系

SDK版本	服务支持的API版本
1.0.0	2024-04-01

验证客户端

获取端点

您可以使用Azure门户或Azure CLI找到Health Insights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"

使用DefaultAzureCredential创建RadiologyInsightsClient。

DefaultAzureCredential提供了多种与服务进行身份验证的方式。有关此信息的文档可以在这里找到。

import os
from azure.identity import DefaultAzureCredential
from azure.healthinsights.radiologyinsights import RadiologyInsightsClient

credential = DefaultAzureCredential()
ENDPOINT = os.environ["AZURE_HEALTH_INSIGHTS_ENDPOINT"]
radiology_insights_client = RadiologyInsightsClient(endpoint=ENDPOINT, credential=credential)

长时间运行的操作

长时间运行的操作是由初始请求组成的操作，该请求发送到服务以启动操作，然后以一定的时间间隔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。

支持医疗分析、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。调用者应该通过在从begin_<method-name>方法返回的轮询对象上调用result()来等待操作完成。下面提供了使用长时间运行操作的示例代码片段。

关键概念

初始化“RadiologyInsightsClient”后，您可以使用它通过显示文本中找到的推理来分析文档文本。

• 年龄不匹配
• 侧别不一致
• 性别不匹配
• 完整订单不匹配
• 有限订单不匹配
• 发现
• 关键结果
• 后续建议
• 通讯
• 放射学程序

放射学洞察目前仅支持一份患者的文档。有关此服务产生的推理的更多详细信息，请参阅这里。

示例

对于每个推理，都提供了同步（阻塞直到操作完成，较慢）或异步（非阻塞，更快）检索信息的方式的示例。有关如何创建客户端、请求以及获取结果的示例，请参阅示例文件夹中的示例。

• 年龄不匹配
• 完整订单不匹配
• 关键结果
• 发现
• 后续通讯
• 后续建议
• 侧别不一致
• 有限订单不匹配
• 放射学程序
• 性别不匹配

运行示例

1. 打开终端窗口，并使用cd命令进入保存示例的目录。
2. 设置要运行的示例文件中指定的环境变量。
3. 运行示例。例如：python <sample_name>.py

为放射学洞察服务创建请求

doc_content1 = """CLINICAL HISTORY:   
        20-year-old female presenting with abdominal pain. Surgical history significant for appendectomy.
        COMPARISON:   
        Right upper quadrant sonographic performed 1 day prior.
        TECHNIQUE:   
        Transabdominal grayscale pelvic sonography with duplex color Doppler and spectral waveform analysis of the ovaries.
        FINDINGS:   
        The uterus is unremarkable given the transabdominal technique with endometrial echo complex within physiologic normal limits. The ovaries are symmetric in size, measuring 2.5 x 1.2 x 3.0 cm and the left measuring 2.8 x 1.5 x 1.9 cm.\n On duplex imaging, Doppler signal is symmetric.
        IMPRESSION:   
        1. Normal pelvic sonography. Findings of testicular torsion.
        A new US pelvis within the next 6 months is recommended.
        These results have been discussed with Dr. Jones at 3 PM on November 5 2020."""

        # Create ordered procedure
        procedure_coding = models.Coding(
            system="Http://hl7.org/fhir/ValueSet/cpt-all",
            code="USPELVIS",
            display="US PELVIS COMPLETE",
        )
        procedure_code = models.CodeableConcept(coding=[procedure_coding])
        ordered_procedure = models.OrderedProcedure(description="US PELVIS COMPLETE", code=procedure_code)
        # Create encounter
        start = datetime.datetime(2021, 8, 28, 0, 0, 0, 0)
        end = datetime.datetime(2021, 8, 28, 0, 0, 0, 0)
        encounter = models.PatientEncounter(
            id="encounter2",
            class_property=models.EncounterClass.IN_PATIENT,
            period=models.TimePeriod(start=start, end=end),
        )
        # Create patient info
        birth_date = datetime.date(1959, 11, 11)
        patient_info = models.PatientDetails(sex=models.PatientSex.FEMALE, birth_date=birth_date)
        # Create author
        author = models.DocumentAuthor(id="author2", full_name="authorName2")

        create_date_time = datetime.datetime(2024, 2, 19, 0, 0, 0, 0, tzinfo=datetime.timezone.utc)
        patient_document1 = models.PatientDocument(
            type=models.DocumentType.NOTE,
            clinical_type=models.ClinicalDocumentType.RADIOLOGY_REPORT,
            id="doc2",
            content=models.DocumentContent(source_type=models.DocumentContentSourceType.INLINE, value=doc_content1),
            created_at=create_date_time,
            specialty_type=models.SpecialtyType.RADIOLOGY,
            administrative_metadata=models.DocumentAdministrativeMetadata(
                ordered_procedures=[ordered_procedure], encounter_id="encounter2"
            ),
            authors=[author],
            language="en",
        )

        # Construct patient
        patient1 = models.PatientRecord(
            id="patient_id2",
            details=patient_info,
            encounters=[encounter],
            patient_documents=[patient_document1],
        )

        # Create a configuration
        configuration = models.RadiologyInsightsModelConfiguration(verbose=False, include_evidence=True, locale="en-US")

        # Construct the request with the patient and configuration
        patient_data = models.RadiologyInsightsJob(job_data=models.RadiologyInsightsData(patients=[patient1], configuration=configuration))

获取年龄不匹配推理信息

for patient_result in radiology_insights_result.patient_results:
    for ri_inference in patient_result.inferences:
        if ri_inference.kind == models.RadiologyInsightsInferenceType.AGE_MISMATCH:
            print(f"Age Mismatch Inference found")

获取完整订单不匹配推理信息

for patient_result in radiology_insights_result.patient_results:
            for ri_inference in patient_result.inferences:
                if ri_inference.kind == models.RadiologyInsightsInferenceType.COMPLETE_ORDER_DISCREPANCY:
                    print(f"Complete Order Discrepancy Inference found")

获取关键结果推理信息

for patient_result in radiology_insights_result.patient_results:
    for ri_inference in patient_result.inferences:
        if ri_inference.kind == models.RadiologyInsightsInferenceType.CRITICAL_RESULT:
            critical_result = ri_inference.result
                print(
                f"Critical Result Inference found: {critical_result.description}")

获取发现推理信息

for patient_result in radiology_insights_result.patient_results:
            counter = 0
            for ri_inference in patient_result.inferences:
                if ri_inference.kind == models.RadiologyInsightsInferenceType.FINDING:
                    counter += 1
                    print(f"Finding Inference found")

获取后续通讯信息

for patient_result in radiology_insights_result.patient_results:
    for ri_inference in patient_result.inferences:
        if ri_inference.kind == models.RadiologyInsightsInferenceType.FOLLOWUP_COMMUNICATION:
            print(f"Follow-up Communication Inference found")

获取后续建议信息

for patient_result in radiology_insights_result.patient_results:
    for ri_inference in patient_result.inferences:
        if ri_inference.kind == models.RadiologyInsightsInferenceType.FOLLOWUP_RECOMMENDATION:
            print(f"Follow-up Recommendation Inference found") 

获取侧别不一致信息

for patient_result in radiology_insights_result.patient_results:
    for ri_inference in patient_result.inferences:
        if ri_inference.kind == models.RadiologyInsightsInferenceType.LATERALITY_DISCREPANCY:
            print(f"Laterality Discrepancy Inference found")

获取有限订单不匹配信息

for patient_result in radiology_insights_result.patient_results:
    for ri_inference in patient_result.inferences:
        if ri_inference.kind == models.RadiologyInsightsInferenceType.LIMITED_ORDER_DISCREPANCY:
            print(f"Limited Order Discrepancy Inference found")

获取放射学程序信息

for patient_result in radiology_insights_result.patient_results:
    for ri_inference in patient_result.inferences:
        if ri_inference.kind == models.RadiologyInsightsInferenceType.RADIOLOGY_PROCEDURE:
            print(f"Radiology Procedure Inference found")

获取性别不匹配信息

for patient_result in radiology_insights_result.patient_results:
    for ri_inference in patient_result.inferences:
        if ri_inference.kind == models.RadiologyInsightsInferenceType.SEX_MISMATCH:
            print(f"Sex Mismatch Inference found")

有关此以及其他推理的详细概念信息，请参阅这里。

故障排除

一般

Health Insights放射学洞察客户端库将引发定义在Azure Core中的异常。

日志记录

此库使用标准的logging库进行日志记录。

HTTP会话（URL、头信息等）的基本信息在INFO级别进行日志记录。

详细的DEBUG级别日志记录，包括请求/响应体和未删除的头信息，可以通过客户端或通过操作使用logging_enable关键字参数启用。

有关示例的完整SDK日志记录文档请参阅这里。

下一步操作

贡献

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

提交拉取请求时，CLA机器人会自动判断您是否需要提供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。您只需要在整个使用我们的CLA的仓库中这样做一次。

本项目已采用 Microsoft开源行为准则。有关更多信息，请参阅行为准则常见问题解答或通过 opencode@microsoft.com 联系我们，提出任何额外的问题或评论。