Q65. AWS Certified Solutions Architect - Associate - 의료 데이터 분석을 위한 최적의 서비스 조합

-

AWS 자격증을 준비하는 여러분, 안녕하세요. 오늘은 의료 분야에서 AWS 서비스를 활용하여 보호된 건강 정보(PHI)를 식별하는 문제를 살펴보겠습니다. 이 문제는 실제 의료 환경에서 AWS 서비스를 어떻게 효과적으로 활용할 수 있는지 보여주는 좋은 예시입니다.

문제 상황

Q1:
병원은 최근 Amazon API Gateway 및 AWS Lambda와 함께 RESTful API를 배포했습니다. 병원은 API Gateway 및 Lambda를 사용하여 PDF 형식 및 JPEG 형식의 보고서를 업로드합니다. 병원은 보고서에서 보호되는 건강 정보(PHI)를 식별하기 위해 Lambda 코드를 수정해야 합니다.
최소한의 운영 오버헤드로 이러한 요구 사항을 충족하는 솔루션은 무엇입니까?

<small>A hospital has recently deployed a RESTful API using Amazon API Gateway and AWS Lambda. The hospital uses API Gateway and Lambda to upload reports in PDF format and JPEG format. The hospital needs to modify the Lambda code to identify protected health information (PHI) in the reports. What solution will meet these requirements with the least operational overhead?</small>

선택지

A. 기존 Python 라이브러리를 사용하여 보고서에서 텍스트를 추출하고 추출된 텍스트에서 PHI를 식별합니다.
<small>Use existing Python libraries to extract text from the reports and identify PHI in the extracted text.</small>

B. Amazon Textract를 사용하여 보고서에서 텍스트를 추출합니다. Amazon SageMaker를 사용하여 추출된 텍스트에서 PHI를 식별합니다.
<small>Use Amazon Textract to extract text from the reports. Use Amazon SageMaker to identify PHI in the extracted text.</small>

C. Amazon Textract를 사용하여 보고서에서 텍스트를 추출합니다. Amazon Comprehend Medical을 사용하여 추출된 텍스트에서 PHI를 식별합니다.
<small>Use Amazon Textract to extract text from the reports. Use Amazon Comprehend Medical to identify PHI in the extracted text.</small>

D. Amazon Rekognition을 사용하여 보고서에서 텍스트를 추출합니다. Amazon Comprehend Medical을 사용하여 추출된 텍스트에서 PHI를 식별합니다.
<small>Use Amazon Rekognition to extract text from the reports. Use Amazon Comprehend Medical to identify PHI in the extracted text.</small>

정답 및 해설

정답은 C입니다.
<small>The correct answer is C.</small>

Amazon Textract와 Amazon Comprehend Medical을 조합하여 사용하는 것이 가장 효과적인 솔루션입니다. 이 조합은 최소한의 운영 오버헤드로 요구사항을 충족시킬 수 있습니다.

  1. Amazon Textract: PDF 및 JPEG 형식의 문서에서 텍스트를 자동으로 추출합니다. 이는 단순한 OCR 이상의 기능을 제공하며, 양식과 표의 데이터도 식별하고 이해할 수 있습니다.

  2. Amazon Comprehend Medical: 추출된 텍스트에서 PHI를 식별합니다. 이 서비스는 HIPAA 적격 자연어 처리(NLP) 서비스로, 의료 텍스트에서 중요한 의료 정보를 자동으로 식별하고 추출할 수 있습니다.

이 두 서비스를 사용하면 Lambda 함수 내에서 복잡한 코드를 작성할 필요 없이 효율적으로 PHI를 식별할 수 있습니다. 또한 이 서비스들은 완전 관리형이므로 운영 오버헤드를 최소화할 수 있습니다.

<small>Using a combination of Amazon Textract and Amazon Comprehend Medical is the most effective solution. This combination can meet the requirements with minimal operational overhead.

  1. Amazon Textract: Automatically extracts text from documents in PDF and JPEG formats. It provides functionality beyond simple OCR, capable of identifying and understanding data in forms and tables.

  2. Amazon Comprehend Medical: Identifies PHI in the extracted text. This service is a HIPAA-eligible natural language processing (NLP) service that can automatically identify and extract important medical information from medical texts.

By using these two services, PHI can be efficiently identified without the need to write complex code within the Lambda function. Additionally, these services are fully managed, minimizing operational overhead.</small>

오답 설명

A. 기존 Python 라이브러리 사용: 이 방법은 가능하지만, 라이브러리 관리와 코드 유지보수에 더 많은 운영 오버헤드가 필요합니다.
<small>A. Using existing Python libraries: While possible, this method requires more operational overhead for library management and code maintenance.</small>

B. Amazon SageMaker 사용: SageMaker는 기계 학습 모델을 구축, 훈련, 배포하는 서비스로, 이 상황에서는 과도한 솔루션입니다.
<small>B. Using Amazon SageMaker: SageMaker is a service for building, training, and deploying machine learning models, which is an excessive solution for this situation.</small>

D. Amazon Rekognition 사용: Rekognition은 이미지와 비디오 분석에 특화된 서비스로, 문서에서 텍스트를 추출하는 데는 적합하지 않습니다.
<small>D. Using Amazon Rekognition: Rekognition is specialized for image and video analysis and is not suitable for extracting text from documents.</small>

결론

이 문제는 AWS의 다양한 AI 및 기계 학습 서비스들의 특성과 용도를 이해하고 있는지 평가합니다. 의료 데이터 처리와 같은 특수한 상황에서는 Amazon Textract와 Amazon Comprehend Medical과 같은 특화된 서비스를 조합하여 사용하는 것이 가장 효율적인 해결책이 될 수 있습니다. 이러한 서비스들은 복잡한 작업을 간소화하고 운영 오버헤드를 최소화하면서도 높은 정확도를 제공합니다.

<small>This question assesses understanding of the characteristics and uses of various AWS AI and machine learning services. In specialized situations such as medical data processing, combining specialized services like Amazon Textract and Amazon Comprehend Medical can be the most efficient solution. These services simplify complex tasks and minimize operational overhead while providing high accuracy.</small>

원본 문제 링크

댓글

댓글 쓰기

이 블로그의 인기 게시물

Anaconda-Python 환경 VSCode에서 사용하기

-
이미지
VSCode에서 Anaconda-Python 환경 구축하기 1) Anaconda 및 Visual Studio Code는 이미 설치되었다 가정  2) Command Palette (Ctrl+Shift+P) 에서 "Python:Select Interpreter"르 선택 3) Python:Select Interpreter 선택 후 아래와 같이 사용 환경을 선택한다. 3-1) 설치한 Anaconda 버전 (필자는 5.1설치)은 기본으로 선택 할 수 있으며 Anaconda Prompt(Terminal)에서 미리 만들어둔 커스텀환경(Python 3.6.1)을 선택 할 수 있다. 3-2) 아나콘다 커스텀환경설정 아나콘다 환경 구축을 위한 명령어는 다음과 같다. 새로운 환경생성 : >conda create --name 환경명 python=3.6.1 환경 활성화하기: >activate 환경명 환경 비활성화하기 : >deactive 환경명 * Activation 시 permission denied가 뜬다면, 아래와 같이 입력한다. > source Anaconda설치경로/bin/activate 환경명 현재 구축된 환경 확인 : >conda info --envs 환경 구축 후 Anaconda설치경로/envs 경로에서 생성된 환경을 확인 할 수 있다. 4)Python 윈도우 환경변수 구성 4-1)커스텀 환경을 사용하거나 Anaconda 기본환경을 사용시 설치된 python경로를 환경변수에 설정한다.  - 버전이 변경된 Python 환경사용이 경로를 용이하게 변경하기 위해 PYTHON_HOME 변수 추가  - %PYTHON_HOME%경로 Path에 추가 5) VSCode 터미널에서 Anaconda prompt 사용설정 5-1) Anaconda Prompt 설정 페이지의 바로가기 항목 중 대상에 등록...
자세한 내용 보기

Python 웹 크롤링 - Scrapy 활용 파워볼 번호 수집(파일)

-
이미지
Python 웹 크롤링 - Scrapy 활용 파워볼 번호 수집 1) scrapy 프로젝트 폴더 생성 및 gitHub 등록 1-1) vscode를 사용하여 scrapy 라이브러리를 통해 프로젝트 생성 및 git-hub에 소스 업로드 하여 관리한다.  - 위내용은 Windows Git 설치 및 GitHub 활용방법 을  통해 확인 할 수 있다. 1-2) PowerBall 프로젝트 폴더 생성 및 git bashshell 에서 git init 명령으로 로컬 Repository 생성 1-3) gitHub에 원격 Repository 생성  1-4) git remote add 명령을 통해 gitHub의 원격 Repository 등록 1-5) git pull 명령을 통해 git hub에서 원격 Repository를 새로 생성 할때 만들어지 .gitignore 파일 및 README.md 파일 다운로드 후 로컬과 동기화. 2) Scrapy 프로젝트 생성 2-1) scrapy startproject PowerBall(프로젝트명) 명령어를 통해 프로젝트를 생성한다. 2-2) git add 및 git commit 명령을 통해 프로젝트 파일 커밋, git push를 통해 원격저장소로 등록  -add, status  - commit, push 3) 크롤링 목적 및 대상확인 3-1) 크롤링 목적 : 크롤링 공부       크롤링 대상 : PowerBall 당첨번호         -  http://m.nlotto.co.kr/gameInfo.do?method=powerWinNoList&nowPage=1&searchDate=20180525&calendar=2018-05-25&sortType=num     ...
자세한 내용 보기