Halaman ini diterjemahkan oleh Cloud Translation API.

Menelusuri data layanan kesehatan

Perhatian:

Pembatasan untuk layanan kesehatan: Sebagai pelanggan, Anda tidak akan, dan tidak akan mengizinkan Pengguna Akhir, menggunakan Layanan AI Generatif untuk tujuan klinis (untuk kejelasan, riset non-klinis, penjadwalan, atau tugas administratif lainnya tidak dibatasi), sebagai pengganti nasihat medis profesional, atau dengan cara apa pun yang diawasi atau memerlukan izin atau persetujuan dari otoritas peraturan yang berlaku. Untuk mengetahui informasi selengkapnya, lihat Persyaratan Khusus Layanan.
Untuk memperjelas, sehubungan dengan penggunaan Vertex AI Search untuk mengambil dan merumuskan informasi medis yang ada, batasan penggunaan untuk tujuan klinik berarti batasan penggunaan untuk tujuan diagnosis atau pengobatan langsung tanpa peninjauan oleh profesional berlisensi yang mematuhi hukum dan peraturan yang berlaku.
Output yang dihasilkan mungkin tidak selalu sepenuhnya dapat diandalkan. Karena sifat LLM dan AI Generatif, output mungkin memiliki informasi yang salah atau bias (misalnya, stereotip atau konten berbahaya lainnya) dan harus ditinjau. Semua ringkasan atau jawaban harus dianggap sebagai draf dan bukan final.
Penggunaan produk ini tidak dimaksudkan untuk memberikan informasi terkait pencegahan, diagnosis, atau pengobatan penyakit. Pertanyaan terkait diagnosis atau rekomendasi pengobatan tidak dimaksudkan untuk ditangani oleh produk. Tujuan penggunaan produk ini adalah untuk mengambil dan meringkas informasi medis yang ada yang diberikan oleh pengguna.
Karena data pengujian yang terbatas, produk ini mungkin atau mungkin tidak berlaku untuk grup usia 0-18 tahun dan untuk grup usia 85 tahun ke atas. Oleh karena itu, saat meninjau output yang dihasilkan, pelanggan harus mempertimbangkan representasi subpopulasi dalam data sumber mereka.

Setelah mengimpor data FHIR R4 ke aplikasi penelusuran layanan kesehatan, Anda dapat membuat kueri terhadap data yang diimpor untuk mendapatkan hasil yang relevan. Anda dapat menelusuri menggunakan jenis kueri berikut:

Kueri kata kunci
Kueri natural language
Kueri bahasa alami dengan jawaban AI generatif

Selain itu, Anda dapat memfilter penelusuran menggunakan kueri yang difilter berdasarkan tanggal. Untuk mengetahui informasi selengkapnya, lihat Menentukan filter resource_datetime.

Saat melakukan penelusuran di konsol Google Cloud, Anda harus memberikan ID pasien terlebih dahulu dan menelusuri data satu pasien dalam satu waktu. Saat menelusuri menggunakan REST API, Anda dapat menelusuri seluruh penyimpanan data.

Halaman ini menunjukkan cara menelusuri data layanan kesehatan menggunakan berbagai jenis kueri.

Penggunaan yang dimaksudkan dari Vertex AI Search untuk menelusuri data layanan kesehatan

Penggunaan Vertex AI Search yang dimaksudkan bukanlah untuk memberikan informasi terkait pencegahan, diagnosis, atau pengobatan penyakit. Pertanyaan terkait diagnosis atau rekomendasi pengobatan tidak dimaksudkan untuk ditangani oleh produk. Penggunaan produk ini dimaksudkan untuk mengambil dan meringkas informasi medis yang ada yang diberikan oleh pengguna.

Karena data pengujian yang terbatas, produk ini mungkin atau mungkin tidak berlaku untuk grup usia 0-18 tahun, dan 85 tahun ke atas. Oleh karena itu, saat meninjau output yang dihasilkan, pelanggan harus mempertimbangkan representasi subpopulasi dalam data sumber mereka.

Berikut adalah beberapa contoh cara penggunaan produk ini:

Kueri eksplorasi untuk menemukan informasi pasien yang relevan dengan topik:
- "Ringkas penggunaan aspirin"
- "blood pressure"
- "pengelolaan diabetes?"
Kueri navigasi untuk menemukan resource tertentu yang dapat dipetakan ke kueri terstruktur:
- "Tampilkan a1c terbaru"
Pertanyaan dan jawaban ekstraktif untuk menjawab pertanyaan spesifik dengan bukti yang mungkin tersebar di berbagai referensi:
- "Apakah pasien ini pernah diobati dengan sefalosporin"
- "Apakah pasien pernah menjalani evaluasi psikiatri"

Berikut adalah contoh cara produk ini tidak dimaksudkan untuk digunakan:

Rekomendasi diagnosis dan rekomendasi pengobatan:
- "Apa diagnosis diferensial untuk pasien ini?"
- "Obat apa yang harus saya resepkan kepada pasien?"

Panduan kueri

Panduan berikut dapat membantu Anda menyusun kueri yang dapat memberikan hasil penelusuran yang lebih baik:

Telusuri kueri dengan intent tertentu: Karena model tidak mengetahui apa yang Anda cari, sebaiknya berikan kueri yang ditargetkan daripada kueri yang tidak jelas. Misalnya, menelusuri kata kunci "hipertensi" lebih baik daripada menelusuri kata kunci "ringkasan". Meskipun kueri "hypertension" menampilkan hasil tertentu dari dokumen yang relevan, kueri "summary" dapat menampilkan hasil dari dokumen yang tidak relevan.
Mempertahankan konteks: Karena penelusuran bukan percakapan, sebaiknya berikan konteks lengkap untuk setiap kueri. Misalnya, jika kueri awal Anda adalah "hipertensi" dan Anda ingin menindaklanjuti topik yang sama, "kapan hipertensi didiagnosis" adalah kueri kedua yang lebih baik daripada "kapan didiagnosis".
Sederhanakan kueri: Jika memungkinkan, bagi kueri kompleks menjadi kueri yang lebih sederhana. Misalnya, alih-alih menelusuri "creatinine and albumin", buat kueri yang berbeda untuk "creatinine", "albumin", dan "creatinine albumin ratio", bergantung pada tujuan Anda.
Hindari meminta inferensi: Penelusuran memberikan hasil yang lebih akurat jika model dapat menampilkan informasi secara verbatim dari dokumen yang ditelusuri, bukan menghitung atau menyimpulkan dari informasi yang ditelusuri. Misalnya, alih-alih membuat kueri "berapa banyak berat pasien berubah", Anda dapat membuat kueri, "cantumkan berat pasien dalam 10 kunjungan terakhir", lalu menghitung perubahan berat secara terpisah.

Sebelum memulai

Sebelum melakukan penelusuran, lakukan hal berikut:

Buat aplikasi penelusuran layanan kesehatan dan penyimpanan data penelusuran layanan kesehatan, lalu impor data FHIR R4. Untuk mengetahui informasi selengkapnya, lihat Membuat aplikasi penelusuran layanan kesehatan dan Membuat penyimpanan data penelusuran layanan kesehatan.
Mengonfigurasi hasil penelusuran untuk data layanan kesehatan.
Untuk mendapatkan saran kueri yang bermanfaat saat melakukan penelusuran, aktifkan pelengkapan otomatis. Ini adalah fitur Pratinjau.
Tinjau daftar resource FHIR R4 yang didukung Vertex AI Search. Untuk mengetahui informasi selengkapnya, lihat Referensi skema data FHIR R4 Layanan kesehatan.

Menelusuri menggunakan kata kunci

Anda dapat menelusuri penyimpanan data layanan kesehatan menggunakan kata kunci. Misalnya, Anda dapat melakukan penelusuran menggunakan kata kunci seperti "a1c", "insulin", atau "ulcer" untuk mendapatkan resource FHIR yang relevan.

Gambar berikut menunjukkan hasil penelusuran saat kata kuncinya adalah "lipid". Contoh ini tidak menyertakan ringkasan atau jawaban AI generatif.

Kuerinya adalah 'lipid'. — **Gambar 1.** Telusuri menggunakan kata kunci.

Untuk menelusuri menggunakan kata kunci, selesaikan langkah-langkah berikut.

Konsol

Di konsol Google Cloud, buka halaman Agent Builder.

Agent Builder
Pilih aplikasi penelusuran layanan kesehatan yang ingin Anda buat kuerinya.
Di menu navigasi, klik Preview.
Di kolom Patient ID, masukkan ID pasien yang datanya ingin Anda buat kueri. ID pasien peka huruf besar/kecil.
Tekan Enter atau klik Pratinjau untuk mengirimkan ID pasien.
Di kotak penelusuran Telusuri di sini, ketik kata kunci yang ingin ditelusuri.

Jika pelengkapan otomatis diaktifkan, Anda akan melihat daftar saran pelengkapan otomatis di bawah kolom penelusuran saat mengetik.
Tekan Enter untuk mengirimkan kueri.
- Hasil penelusuran ditampilkan dalam tabel yang diberi nomor halaman dan dikategorikan berdasarkan jenis resource FHIR-nya.
- Secara default, hasil penelusuran untuk semua jenis resource FHIR ditampilkan dalam urutan kronologis terbalik.
Opsional. Untuk memfilter hasil, pilih satu atau beberapa kategori resource FHIR yang ada di bawah kotak penelusuran.
Opsional. Untuk mengurutkan hasil menurut relevansi untuk resource Composition, DocumentReference, dan DiagnosticReport, klik filter Urutkan: Reverse Chronological, lalu dari daftar, pilih Relevance. Untuk mengetahui informasi selengkapnya, lihat Mengurutkan hasil penelusuran layanan kesehatan.

REST

Contoh berikut menunjukkan cara menelusuri data FHIR R4 satu pasien di aplikasi penelusuran layanan kesehatan menggunakan kata kunci. Contoh ini menggunakan metode servingConfigs.search.

Secara default, hasil penelusuran ditampilkan dalam urutan kronologis terbalik. Saat menelusuri resource Composition, DiagnosticReport, dan DocumentReference, Anda dapat mengurutkan hasil penelusuran sesuai relevansi. Untuk informasi selengkapnya, lihat Mengurutkan hasil penelusuran layanan kesehatan.

Telusuri menggunakan kata kunci.

curl -X POST -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json" \
  "https://us-discoveryengine.googleapis.com/v1alpha/projects/PROJECT_ID/locations/us/collections/default_collection/engines/APP_ID/servingConfigs/default_search:search" \
  -d '{
"query": "KEYWORD_QUERY",
"filter": "patientId: ANY(\"PATIENT_ID\")",
"contentSearchSpec":{"snippetSpec":{"returnSnippet":true}}
}'

Ganti kode berikut:

PROJECT_ID: ID project Google Cloud Anda.
APP_ID: ID aplikasi Vertex AI Search yang ingin Anda buat kuerinya.
KEYWORD_QUERY: kata kunci yang ingin Anda telusuri di seluruh data klinik pasien untuk pasien yang difilter, seperti "diabetes" atau "a1c".
PATIENT_ID: ID resource pasien yang datanya ingin Anda telusuri.

Respons

Anda akan menerima respons JSON yang mirip dengan respons yang terpotong berikut. Respons berisi hasil penelusuran terperinci yang tercantum dalam urutan kronologis terbalik dengan cuplikan, jika cuplikan tersedia. Kolom structData berisi data JSON terstruktur untuk dokumen.

{
  "results": [
    {
      "id": "DOCUMENT_ID",
      "document": {
        "name": "projects/PROJECT_ID/locations/us/collections/default_collection/dataStores/DATA_STORE_ID/branches/0/documents/DOCUMENT_ID",
        "id": "DOCUMENT_ID",
        "structData": {
          ...
          "resource_type": "FHIR_RESOURCE_TYPE",
          "resource_datetime": "RESOURCE_DATETIME",
          "patient_id": "PATIENT_ID",
          "FHIR_RESOURCE_TYPE": { ... }
        },
        "derivedStructData": {
          "snippets": [
            {
              "snippet": "SNIPPET_TEXT",
              "snippet_status": "SUCCESS"
            }
          ]
        }
      }
    }
  ]
}

Menelusuri menggunakan kueri bahasa alami

Dengan Vertex AI Search, Anda bisa mendapatkan hasil untuk kueri bahasa alami yang kompleks. Misalnya, gambar berikut menunjukkan hasil untuk kueri bahasa alami: "Hasil lab terkait diabetes".

Kueri adalah 'Apa hasil lab lipid pasien'. — **Gambar 2.** Menelusuri menggunakan kueri bahasa alami.

Untuk menelusuri menggunakan kueri bahasa alami, selesaikan langkah-langkah berikut.

Konsol

Di konsol Google Cloud, buka halaman Agent Builder.

Agent Builder
Pilih aplikasi penelusuran layanan kesehatan yang ingin Anda buat kuerinya.
Di menu navigasi, klik Preview.
Di kolom Patient ID, masukkan ID pasien yang datanya ingin Anda buat kueri. ID pasien peka huruf besar/kecil.
Tekan Enter atau klik Pratinjau untuk mengirimkan ID pasien.
Di kotak penelusuran Telusuri di sini, masukkan kueri bahasa alami, seperti "Hasil lab terkait diabetes".

Jika pelengkapan otomatis diaktifkan, Anda akan melihat daftar saran pelengkapan otomatis di bawah kolom penelusuran saat mengetik.
Tekan Enter untuk mengirimkan kueri.
- Hasil penelusuran ditampilkan dalam tabel yang diberi nomor halaman dan dikategorikan berdasarkan jenis resource FHIR-nya.
- Secara default, hasil penelusuran untuk semua jenis resource FHIR ditampilkan dalam urutan kronologis terbalik.
Opsional. Pilih satu atau beberapa kategori resource FHIR yang ada di bawah kotak penelusuran untuk memfilter hasil.
Opsional. Untuk mengurutkan hasil menurut relevansi untuk resource Composition, DocumentReference, dan DiagnosticReport, klik filter Urutkan: Reverse Chronological, lalu dari daftar, pilih Relevance. Untuk mengetahui informasi selengkapnya, lihat Mengurutkan hasil penelusuran layanan kesehatan.

REST

Contoh berikut menunjukkan cara menelusuri data FHIR R4 satu pasien di aplikasi penelusuran layanan kesehatan menggunakan kueri bahasa alami. Contoh ini menggunakan metode servingConfigs.search. Untuk menelusuri menggunakan kueri bahasa alam, Anda harus menambahkan kolom naturalLanguageQueryUnderstandingSpec ke isi permintaan.

Memposting kueri dalam bahasa alami.

curl -X POST -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json" \
  "https://us-discoveryengine.googleapis.com/v1alpha/projects/PROJECT_ID/locations/us/collections/default_collection/engines/APP_ID/servingConfigs/default_search:search" \
  -d '{
"query": "NATURAL_LANGUAGE_QUERY",
"filter": "patientId: ANY(\"PATIENT_ID\")",
"contentSearchSpec":{"snippetSpec":{"returnSnippet":true}},
"naturalLanguageQueryUnderstandingSpec":{"filterExtractionCondition":"ENABLED"}
}'

Ganti kode berikut:

PROJECT_ID: ID project Google Cloud Anda.
APP_ID: ID aplikasi Vertex AI Search yang ingin Anda buat kuerinya.
NATURAL_LANGUAGE_QUERY: kueri dalam bahasa alami, seperti "Hasil lab terkait diabetes" atau "Apakah pasien saat ini sedang mengonsumsi obat apa pun".
PATIENT_ID: ID resource pasien yang datanya ingin Anda telusuri.

Respons

{
  "results": [
    {
      "id": "DOCUMENT_ID",
      "document": {
        "name": "projects/PROJECT_ID/locations/us/collections/default_collection/dataStores/DATA_STORE_ID/branches/0/documents/DOCUMENT_ID",
        "id": "DOCUMENT_ID",
        "structData": {
          ...
          "resource_type": "FHIR_RESOURCE_TYPE",
          "resource_datetime": "RESOURCE_DATETIME",
          "patient_id": "PATIENT_ID",
          "FHIR_RESOURCE_TYPE": { ... }
        },
        "derivedStructData": {
          "snippets": [
            {
              "snippet": "SNIPPET_TEXT",
              "snippet_status": "SUCCESS"
            }
          ]
        }
      }
    }
  ]
}

Menelusuri menggunakan kueri bahasa alami dengan jawaban AI generatif

Saat menelusuri data FHIR pasien menggunakan kueri bahasa alami, Anda dapat memilih untuk mendapatkan jawaban AI generatif beserta hasil penelusuran. Jawaban meringkas hasil penelusuran dan juga menampilkan referensi yang digunakan untuk membuat jawaban.

Saat menggunakan konsol, Anda dapat memilih model bahasa besar (LLM) untuk jawaban AI generatif. Untuk informasi selengkapnya, lihat Mengonfigurasi hasil penelusuran untuk data layanan kesehatan.

Saat menggunakan REST API, Anda dapat menentukan salah satu model LLM berikut untuk memberikan jawaban AI generatif di kolom version:

gemini-1.5-flash-001/answer_gen/v1 atau stable: model stabil yang tersedia secara umum dan didasarkan pada model gemini-1.5-flash-001. Untuk mengetahui informasi selengkapnya, lihat Model yang tersedia secara umum (GA).
gemini-1.0-pro-002/answer_gen/v1: Vertex AI Search berdasarkan model gemini-1.0-pro-002. Untuk mengetahui informasi selengkapnya, lihat Model yang tersedia secara umum (GA).
medlm-medium/answer_gen/v1 ataupreview: model pratinjau yang didasarkan pada model MedLM. Untuk mengetahui informasi selengkapnya, lihat Model MedLM.

Gambar berikut menunjukkan contoh kueri bahasa alami dengan jawaban AI generatif. Ringkasan penelusuran memberikan jawaban untuk kueri dengan meringkas temuan dari hasil yang relevan. Anda dapat meluaskan segmen yang memiliki kutipan untuk melihat referensi yang digunakan untuk membuat segmen yang dipilih. Tidak semua jawaban yang dihasilkan memiliki kutipan.

Kueri adalah 'Apa lab lipid pasien'. Hasil penelusuran ditampilkan dalam format
tabel . Hasil
penelusuran disertai dengan ringkasan yang dibuat AI generatif yang bertuliskan kutipan Pasien tidak memiliki
alergi yang diketahui akhir kutipan. — **Gambar 3.** Menelusuri menggunakan kueri natural language dengan jawaban AI generatif.

Untuk menelusuri dengan jawaban AI generatif, lakukan hal berikut:

Konsol

Di konsol Google Cloud, buka halaman Agent Builder.

Agent Builder
Pilih aplikasi penelusuran layanan kesehatan yang ingin Anda buat kuerinya.
Di menu navigasi, klik Konfigurasi.
Sesuaikan widget penelusuran:
1. Di kolom Jenis penelusuran, pilih Penelusuran dengan jawaban.
2. Pilih model yang ingin Anda gunakan untuk membuat ringkasan. Untuk informasi selengkapnya, lihat Mengonfigurasi hasil penelusuran untuk data layanan kesehatan
3. Simpan dan publikasikan preferensi Anda.
Di menu navigasi, klik Preview.
Di kolom Patient ID, masukkan ID pasien yang datanya ingin Anda buat kueri. ID pasien peka huruf besar/kecil.
Tekan Enter atau klik Pratinjau untuk mengirimkan ID pasien.
Di kotak penelusuran Telusuri di sini, masukkan kueri bahasa alami, seperti "nsaids", "Apa lab lipid pasien", atau "Apa hasil A1C terbaru".

Jika pelengkapan otomatis diaktifkan, Anda akan melihat daftar saran pelengkapan otomatis di bawah kolom penelusuran saat mengetik.
Tekan Enter untuk mengirimkan kueri.
- Jawaban AI generatif ditampilkan di bawah kotak penelusuran.
- Hasil penelusuran ditampilkan dalam tabel yang diberi nomor halaman dan dikategorikan berdasarkan jenis resource FHIR-nya.
- Secara default, hasil penelusuran untuk semua jenis resource FHIR ditampilkan dalam urutan kronologis terbalik.
Opsional. Luaskan segmen jawaban yang memiliki kutipan untuk melihat referensinya dari hasil penelusuran.
Opsional. Pilih satu atau beberapa kategori resource FHIR yang ada di bawah kotak penelusuran untuk memfilter hasil.
Opsional. Untuk mengurutkan hasil menurut relevansi untuk resource Composition, DocumentReference, dan DiagnosticReport, klik filter Urutkan: Reverse Chronological, lalu dari daftar, pilih Relevance. Untuk mengetahui informasi selengkapnya, lihat Mengurutkan hasil penelusuran layanan kesehatan.

REST

Contoh berikut menunjukkan cara menelusuri data FHIR R4 satu pasien di aplikasi penelusuran layanan kesehatan menggunakan kueri bahasa alami dengan jawaban AI generatif. Contoh ini menggunakan metode servingConfigs.search.

Untuk menelusuri menggunakan kueri bahasa alami, Anda harus menambahkan kolom naturalLanguageQueryUnderstandingSpec ke isi permintaan.
Untuk menyertakan indeks kutipan inline, Anda harus menambahkan kolom includeCitations. Ini adalah kolom boolean dengan setelan default false.

Memposting kueri dalam bahasa alami.

curl -X POST -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json" \
  "https://us-discoveryengine.googleapis.com/v1alpha/projects/PROJECT_ID/locations/us/collections/default_collection/engines/APP_ID/servingConfigs/default_search:search" \
  -d '{
        "query": "QUERY",
        "filter": "patientId: ANY(\"PATIENT_ID\")",
        "contentSearchSpec": {
          "snippetSpec": {
            "returnSnippet": true
          },
          "summarySpec": {
            "summaryResultCount": 1,
            "includeCitations": true,
            "modelSpec": {
              "version": "MODEL_VERSION"
            }
          }
        },
        "naturalLanguageQueryUnderstandingSpec": {
          "filterExtractionCondition": "ENABLED"
        }
      }'

Ganti kode berikut:

PROJECT_ID: ID project Google Cloud Anda.
APP_ID: ID aplikasi Vertex AI Search yang ingin Anda buat kuerinya.
QUERY: kueri dalam bahasa alami, seperti "nsaids", "Apa lab lipid pasien", atau "Apa hasil A1C terbaru". Jika kueri menyertakan apostrof ', Anda harus menggantinya dengan referensi karakter numerik apostrof: '.
PATIENT_ID: ID resource pasien yang datanya ingin Anda telusuri.
MODEL_VERSION: versi model yang ingin Anda gunakan untuk membuat jawaban.

Respons

summaryText: berisi ringkasan jawaban yang dihasilkan.
summaryWithMetadata: berisi ringkasan jawaban yang dihasilkan, dengan kutipan. Kolom ini hanya ditampilkan jika ada kutipan. Tidak semua jawaban yang dihasilkan memiliki kutipan. Jika kolom summaryWithMetadata tersedia, Google merekomendasikan penggunaan kolom summaryWithMetadata daripada kolom summaryText.
citations.sources.referenceIndex: berisi indeks referensi dokumen yang dikutip dalam respons. Hal ini berguna untuk menemukan nama resource lengkap dokumen di kolom references.

{
  "results": [
    {
      "id": "DOCUMENT_ID",
      "document": {
        "name": "projects/PROJECT_ID/locations/us/collections/default_collection/dataStores/DATA_STORE_ID/branches/0/documents/DOCUMENT_ID",
        "id": "DOCUMENT_ID",
        "structData": {
          ...
          "resource_type": "FHIR_RESOURCE_TYPE",
          "resource_datetime": "RESOURCE_DATETIME",
          "patient_id": "PATIENT_ID",
          "FHIR_RESOURCE_TYPE": { ... }
        },
        "derivedStructData": {
          "snippets": [
            {
              "snippet": "SNIPPET_TEXT",
              "snippet_status": "SUCCESS"
            }
          ]
        }
      }
    }
  ],
  "summary": {
    "summaryText": "GENERATE_ANSWER_TEXT",
    "summaryWithMetadata": {
      "summary": "GENERATE_ANSWER_TEXT",
      "citationMetadata": {
        "citations": [
          {
            "sources": [
              {
                "id": "DOCUMENT_ID",
                "referenceIndex": "REFERENCE_INDEX_FROM_SUMMARY_METADATA"
              }
            ]
          }
       ]
      },
      "references": [
        {
          "document": "projects/PROJECT_ID/locations/us/collections/default_collection/dataStores/DATA_STORE_ID/branches/0/documents/DOCUMENT_ID"
        },
        ...
      ]
    },
  }
...
}