A MedTech szolgáltatás és az Azure Machine Learning Service

  • Cikk

Megjegyzés

A Fast Healthcare Interoperability Resources (FHIR®) egy nyílt egészségügyi specifikáció.

Ebből a cikkből megtudhatja, hogyan használhatja a MedTech szolgáltatást és az Azure Machine Learning Service-t.

A MedTech szolgáltatás és az Azure Machine Learning Service referenciaarchitektúrája

A MedTech szolgáltatással az IoT-eszközök zökkenőmentesen integrálhatók az FHIR-szolgáltatásokkal. Ez a referenciaarchitektúra az Eszközök internetes hálózata (IoT) projektek bevezetésének felgyorsítására szolgál. Ez a megoldás az Azure Databrickset használja a Machine Learning(ML) számításához. A Kubernetesszel vagy egy partner ML-megoldással rendelkező Azure Machine Learning Services azonban beleférhet a Machine Learning-pontozási környezetbe.

A négy vonalszín az adatút különböző részeit jeleníti meg.

  • Kék = IoT-adatok az FHIR szolgáltatásba.
  • Zöld = adatútvonal az IoT-adatok pontozásához
  • Red = Az adatok gyakori elérésű elérési útja, a páciens kockázatának a klinikusok tájékoztatásához. A gyakori elérésű útvonal célja, hogy a lehető legközelebb legyen a valós idejűhez.
  • Narancssárga = Adatok meleg elérési útja. Még mindig támogatja a klinikusokat a betegellátásban. Az adatkérések általában manuálisan vagy frissítési ütemezés szerint aktiválódnak.

Képernyőkép a MedTech szolgáltatás és a Machine Learning Service referenciaarchitektúrájáról.

Adatbetöltés: 1– 5. lépés

  1. IoT-eszközről vagy az Azure IoT Hub/Azure IoT Edge felé küldött eszközátjárón keresztül küldött adatok.
  2. Az Azure-ból IoT Edge Azure IoT Hub küldött adatok.
  3. A biztonságos tárolókörnyezetbe küldött nyers IoT-eszközadatok másolata az eszközfelügyelethez.
  4. Az IoT hasznos adatai a Azure IoT Hub a MedTech szolgáltatásba kerülnek. A MedTech szolgáltatás ikonja több Azure-szolgáltatást jelöl.
  5. Három rész az öthöz:
    1. A MedTech szolgáltatás betegerőforrást kér az FHIR szolgáltatástól.
    2. Az FHIR szolgáltatás visszaküldi a Patient erőforrást a MedTech szolgáltatásnak.
    3. Az IoT-betegmegfigyelés az FHIR szolgáltatásban van rögzítve.

Machine Learning- és AI-adatútvonal: 6– 11. lépés

  1. Az Azure-függvénynek (ML-bemenetnek) küldött normalizált, nem csoportosított adatfolyam.
  2. Az Azure-függvény (ML-bemenet) arra kéri a betegerőforrást, hogy egyesítse az IoT hasznos adatait.
  3. Az IoT hasznos adatai egy eseményközpontba kerülnek a Machine Learning számítási és tárolási szolgáltatásba való terjesztéshez.
  4. Az IoT hasznos adatait a rendszer Azure Data Lake Storage Gen 2-nek küldi el, hogy több idő alatt pontozási megfigyelést használjon.
  5. Az IoT hasznos adatait a rendszer elküldi az Azure Databricksnek ablakozáshoz, adatillesztéshez és adatpontozáshoz.
  6. Az Azure Databricks szükség szerint több betegadatot kér a Data Lake-ből.
    1. Az Azure Databricks a pontozott adatok másolatát is elküldi a data lake-nek.

Értesítési és gondozási koordináció: 12– 18. lépés

Gyakori elérésű elérési út

  1. Az Azure Databricks hasznos adatokat küld egy Azure-függvénynek (ML-kimenet).
  2. RiskAssessment és/vagy Flag erőforrás elküldve az FHIR szolgáltatásnak.
    1. Minden megfigyelési időszakhoz egy RiskAssessment-erőforrás lesz elküldve az FHIR szolgáltatásnak.
    2. Azon megfigyelési időszakok esetében, ahol a kockázatértékelés az elfogadható tartományon kívül esik, a jelzőerőforrást is el kell küldeni az FHIR szolgáltatásnak.
  3. Pontozott adatok, amelyet az adattárba küldtek a megfelelő ápolási csapatnak való útválasztáshoz. Azure SQL Server az ebben a kialakításban használt adatadattár a Power BI-jal való natív interakció miatt.
  4. A Power BI irányítópultja 15 perc alatt frissül a Kockázatértékelés kimenetével.

Meleg út

  1. A Power BI frissíti az irányítópultot az adatfrissítési ütemezés szerint. A frissítések között általában 15 percnél hosszabb ideig tart.
  2. Töltse fel a Care Team alkalmazást az aktuális adatokkal.
  3. Ápolási koordináció a Microsoft Teams for Healthcare patient appon keresztül.

Következő lépések

Ebben a cikkben megismerkedett a MedTech szolgáltatás és a Machine Learning szolgáltatás integrációjával.

A MedTech szolgáltatás áttekintését lásd:

Mi a MedTech szolgáltatás?

A MedTech szolgáltatás eszközüzenet-adatátalakításával kapcsolatos információkért lásd:

A MedTech szolgáltatás eszköz adatfeldolgozási fázisainak ismertetése

A MedTech szolgáltatás üzembe helyezésének módszereiről további információt a

Telepítési módszer kiválasztása a MedTech szolgáltatáshoz

Az FHIR® a Health Level Seven International bejegyzett védjegye, amelyet az Egyesült Államok Védjegyhivatalában regisztráltak, és engedélyükkel használják.