Bewerken

Patiëntbewaking op afstand

Azure Data Lake Storage
Azure Databricks
Azure Event Hubs
Azure Machine Learning
Azure Synapse Analytics
Power BI

Gezondheidssystemen, ziekenhuizen en grote artsenpraktijken worden verplaatst naar initiatieven op het gebied van ziekenhuis-thuis (ook wel bekend als externe patiëntbewaking). Externe patiëntbewaking is een subset van klinische zorg waarbij patiëntenactiviteit en fysiologische gegevens kunnen worden geopend en geleverd met behulp van externe gezondheidsapparaten in overeenstemming met de parameters van het geïndidialiseerde zorgplan.

Dit artikel bevat richtlijnen voor het ontwerpen van een oplossing met behulp van Azure Health Data Services en apparaten voor intelligente externe patiëntbewaking. De oplossing helpt bij het verlichten van veel van de uitdagingen voor apparaatintegratie die uw organisatie moet tegenkomen bij het bouwen van een dergelijke oplossing op schaal.

Architectuur

Architecture diagram of remote patient monitoring architecture using healthcare devices and Azure services.

Een Visio-bestand van deze architectuur downloaden.

Gegevensstroom

  1. Patiëntapparaten genereren activiteits- en fysiologische gegevens. De gegevens worden vervolgens uit de apparaten geëxtraheerd met behulp van een van de beschikbare OSS-SDK's (Microsoft open source) en opgenomen door Azure Event Hubs.

  2. Life365.health-platform ondersteunt meer dan 300 apparaten die activiteits- en fysiologische gegevens genereren. De Life365-API neemt de activiteit en fysiologische gegevens van de patiëntbewakingsapparaten op in Azure Event Hubs.

  3. De Azure MedTech-service haalt de apparaatmetingen van Event Hubs op, transformeert deze in FHIR-indeling Fast Healthcare Interoperability Resources (FHIR®) en geeft deze door aan de Azure FHIR-service. De Azure Health Data Services-werkruimte is een logische container voor zorgservice-exemplaren, zoals de FHIR- en MedTech-services.

  4. Azure Health Data Services-werkruimte verzendt meldingsberichten naar gebeurtenisabonnees wanneer een FHIR-resource wordt gemaakt, bijgewerkt of verwijderd in de Azure FHIR-service. De meldingen kunnen naar meerdere eindpunten worden verzonden om automatisering te activeren, waaronder het starten van werkstromen of het verzenden van e-mail en sms-berichten.

  5. FHIR Analytics Pipelines exporteert niet-geanonimiseerde FHIR-gegevens incrementeel naar Azure Data Lake, waardoor deze beschikbaar is voor analyses met verschillende Azure-gegevensservices. De geëxporteerde gegevens kunnen ook anoniem worden gemaakt door gebruik te maken van hulpprogramma's zoals de Opensource Tools for Health Data Anonymization van Microsoft. De standaard anoniem maken is gebaseerd op de HIPAA Safe Harbor-methode , die indien nodig kan worden uitgebreid en gewijzigd.

    Belangrijk

    De geëxporteerde FHIR-gegevens in deze gegevensstroom zijn onbewerkt, waaronder PHI-informatie. Het proces van de identificatie kan worden gebruikt om persoonlijke id's uit de gegevens te verwijderen voor onderzoeks- of deeldoeleinden. Als u niet-geïdentificeerde gegevenssets wenst, moet u maatregelen nemen om de gegevens anoniem te maken voordat u deze exporteert, met behulp van een hulpprogramma zoals hierboven vermeld.

  6. Verdere analyse van de FHIR-gegevens in de Parquet- en JSON-indelingen wordt uitgevoerd met behulp van Spark-pools in Azure Synapse-, Azure Databricks- en Azure Machine Learning-services (ML).

  7. SQL-weergaven worden gemaakt in de serverloze SQL-pools in Azure Synapse. Er wordt een SQL-weergave gemaakt voor elke FHIR-resource op basis van de Parquet-bestanden in Azure Data Lake. Op basis van deze weergaven kunnen data engineers en ontwikkelaars systeemeigen SQL schrijven in Microsoft SQL Management Studio of een andere SQL-editor om een query uit te voeren op de FHIR-resources.

  8. Power BI en de Power Query-connector voor FHIR worden gebruikt om gegevens rechtstreeks vanuit het eindpunt van de FHIR-service-API te importeren en vorm te geven. Power BI biedt ook Parquet- en SQL-connectors voor toegang tot de FHIR-resource rechtstreeks in de Parquet-indeling of via de SQL-weergaven in Synapse.

Onderdelen

Apparaten

Consumentenapparaten

Microsoft biedt opensource-SDK's om de overdracht van gegevens van verschillende consumentenapparaten te vergemakkelijken voor opname door Azure Event Hubs:

Life365.health ondersteunde medische apparaten

Het Life365.health-platform is geïntegreerd met meer dan 300 Bluetooth-bewakingsapparaten voor opname door Azure Event Hubs. De apparaten omvatten meerdere categorieën en OEM's, variërend van spirometers, thermometers, gewichtsschalen, pilherinneringen, activiteitstrackers, bloedglucosemeters, bloeddrukmonitors, EKG / ECG, foetale dopplers, hartslagmonitoren, pulse-oximeters, slaaptrackers en meer. De Life365-app biedt ook handmatige opname van leesbewerkingen die afkomstig zijn van niet-Bluetooth-apparaten. Deze architectuur maakt gebruik van de Life365-API om de apparaatmetingen van de Life365-apparaten op te nemen in Event Hubs.

Overig

Hoewel de bovenstaande opties het gemakkelijker maken, ondersteunt deze architectuur vergelijkbare gegevensbronnen die veilig kunnen worden opgenomen in Event Hubs, direct of indirect via een tussenliggende API.

Azure-services (gegevensverzameling en -opslag)

  • Azure Event Hubs : een volledig beheerde, realtime gegevensopnameservice die eenvoudig, vertrouwd en schaalbaar is. U kunt miljoenen gebeurtenissen per seconde streamen vanaf elke bron zodat u pijplijnen met dynamische gegevens kunt maken en u direct kunt reageren op zakelijke uitdagingen. In deze architectuur wordt het gebruikt voor het verzamelen en samenvoegen van de apparaatgegevens, voor overdracht naar Azure Health Data Services.

  • Azure Health Data Services is een set beheerde API-services op basis van open standaarden en frameworks waarmee werkstromen de gezondheidszorg kunnen verbeteren en schaalbare en veilige oplossingen voor gezondheidszorg kunnen bieden. De services die in deze architectuur worden gebruikt, zijn onder andere:

    • Azure Health Data Services-werkruimte : biedt een container voor de andere Azure Health Data Services-exemplaren, waarbij een nalevingsgrens (HIPAA, HITRUST) wordt gemaakt waarin beveiligde statusgegevens kunnen worden verzonden.

    • Azure FHIR-service : hiermee kunt u veilig beveiligde gezondheidsinformatie (PHI) opslaan en uitwisselen in de cloud. Apparaatgegevens worden omgezet in op FHIR gebaseerde observatiebronnen ter ondersteuning van externe patiëntbewaking.

    • Azure MedTech-service: een hoeksteen van Microsoft Cloud for Healthcare, die wordt gebruikt ter ondersteuning van externe patiëntbewaking. MedTech is een PaaS (Platform as a Service) waarmee u bijna realtime gegevens van diverse medische apparaten kunt verzamelen en kunt omzetten in een FHIR-compatibele service-indeling en deze kunt opslaan in een FHIR-service. De mogelijkheden voor apparaatgegevensomzetting van de MedTech-service maken het mogelijk om een groot aantal gegevens te transformeren in een uniforme FHIR-indeling die beveiligd statusgegevensbeheer biedt in een cloudomgeving.

      De MedTech-service is belangrijk voor de bewaking van externe patiënten, omdat gezondheidszorggegevens moeilijk toegankelijk of geanalyseerd kunnen worden wanneer deze afkomstig zijn van diverse of incompatibele apparaten, systemen of indelingen. Medische informatie die niet gemakkelijk toegankelijk is, kan een belemmering zijn voor het verkrijgen van klinische inzichten en het zorgplan van een patiënt. De mogelijkheid om gezondheidsgegevens te vertalen in een uniforme FHIR-indeling stelt MedTech-service in staat om apparaten, gezondheidsgegevens, labs en externe persoonlijke zorg te koppelen. Als gevolg hiervan kan deze mogelijkheid de ontdekking van belangrijke klinische inzichten en trendopname mogelijk maken, het ondersteunen van de kliniek, het zorgteam, de patiënt en het gezin. Het kan ook helpen bij het maken van verbindingen met nieuwe apparaattoepassingen en het inschakelen van geavanceerde onderzoeksprojecten. Net zoals zorgplannen per use case kunnen worden geïnitialiseerd, kunnen scenario's voor externe patiëntbewaking en gebruiksscenario's per geïndidialiseerde behoefte variëren.

  • Azure Event Grid : de Azure Health Data Services-gebeurtenissenservice genereert gebeurtenissen wanneer een FHIR-resource wordt gemaakt, bijgewerkt of verwijderd (CUD). Deze gebeurtenissen kunnen door Azure Event Grid worden uitgezonden naar downstreamgebruikers om te reageren op gegevens op basis van gebeurtenissen.

Azure-services en -hulpprogramma's (gegevensanalyse)

  • FHIR Analytics Pipelines : een OSS-project dat wordt gebruikt voor het bouwen van onderdelen en pijplijnen voor het rechthoekig maken en verplaatsen van FHIR-gegevens, van Azure FHIR-servers naar Azure Data Lake. In deze architectuur worden de gegevens geconverteerd naar JSON-indeling (JavaScript Object Notation) en Parquet , zodat deze beschikbaar zijn voor analyses met verschillende Azure-gegevensservices.

  • Hulpprogramma's voor health data anonymization - een OSS-project dat wordt ondersteund door het Microsoft Healthcare-team helpt gezondheidszorggegevens, on-premises of in de cloud, anoniem te maken voor secundair gebruik, zoals onderzoek, volksgezondheid en meer. De kernengine voor anonimisering maakt gebruik van een configuratiebestand om verschillende parameters op te geven, evenals anonimiseringsmethoden voor verschillende gegevenselementen en gegevenstypen.

  • Azure Synapse Analytics : een onbeperkte analyseservice die gegevensintegratie, zakelijke datawarehousing en big data-analyses combineert. Dit geeft u de vrijheid om onder uw eigen voorwaarden en op schaal query's op gegevens uit voeren met behulp van serverloze of toegewezen mogelijkheden. In Azure Synapse komen deze werelden bij elkaar met een uniforme ervaring om gegevens op te nemen, te verkennen, voor te bereiden, te transformeren, te beheren en te leveren voor directe BI- en machine learning-behoeften.

  • Apache Spark-pools : Apache Spark is een framework voor parallelle verwerking dat ondersteuning biedt voor in-memory verwerking om de prestaties van analysetoepassingen voor big data te verbeteren. Apache Spark in Azure Synapse Analytics is een van de implementaties van Apache Spark van Microsoft in de cloud. Met Azure Synapse kunt u eenvoudig een serverloze Apache Spark-pool maken en configureren in Azure. Spark-pools in Azure Synapse zijn compatibel met opslag van de tweede generatie in Azure Storage en Azure Data Lake. Dit betekent dat u Spark-pools kunt gebruiken om gegevens te verwerken die zijn opgeslagen in Azure.

  • Azure Databricks : een platform voor gegevensanalyse dat is geoptimaliseerd voor het Microsoft Azure-cloudservicesplatform. Databricks biedt een geïntegreerd analyseplatform voor gegevensanalisten, data engineers, gegevenswetenschappers en machine learning-engineers. Er worden drie omgevingen aangeboden voor het ontwikkelen van gegevensintensieve toepassingen: Databricks SQL, Databricks Datawetenschap & Engineering en Databricks Machine Learning.

  • Azure ML : een Azure-cloudservice voor het versnellen en beheren van de levenscyclus van het machine learning-project. Machine learning-professionals, gegevenswetenschappers en technici kunnen deze gebruiken in hun dagelijkse werkstromen: Modellen trainen en implementeren en MLOps beheren. U kunt een model maken in Azure Machine Learning of een model gebruiken dat is gebouwd op basis van een opensource-platform, zoals Pytorch, TensorFlow of scikit-learn. MLOps-hulpprogramma's helpen u modellen te bewaken, opnieuw te trainen en opnieuw te implementeren.

  • Power BI : biedt selfserviceanalyse op ondernemingsniveau, zodat u het volgende kunt doen:

    • Maak een gegevensgestuurde cultuur met business intelligence voor iedereen.
    • Houd uw gegevens beveiligd met toonaangevende mogelijkheden voor gegevensbeveiliging, waaronder vertrouwelijkheidslabels, end-to-end-versleuteling en realtime toegang monitoring.is gebruikt voor verdere analyse van FHIR-gegevens.

  • Power Query-connectors die worden gebruikt met Power BI zijn onder andere:

  • SQL Server Management Studio : een bureaublad-app die wordt gebruikt voor het maken van systeemeigen SQL-query's voor SQL-gegevensarchieven, zoals Azure Synapse Analytics SQL-pools.

Alternatieven

Life365.health

Het voordeel van Life365.health is dat u met één integratiepunt metingen kunt pushen vanaf een breed scala aan apparaten in het Life365-ecosysteem in azure Health Data Services. Er bestaan andere draagbare apparaat-API's, zoals Garmin Activity API en Polar AccessLink-API, waarvoor een vergelijkbaar integratiepatroon kan worden bereikt. Deze API's zijn echter exclusief voor het meten van apparaten van hun eigen fabrikanten, zoals Garmin en Polar.

Apparaten en patiënten moeten worden gedefinieerd, gekoppeld en gesynchroniseerd tussen de Azure Health Data Services en de Life365-API. Deze configuratie kan worden bereikt door de patiënt- en apparaat-id's te synchroniseren tussen de Azure Health Data Services en Life365-API. In wezen wordt eerst een nieuwe patiënt en een nieuw apparaat gemaakt en gekoppeld in de Azure FHIR Service. Vervolgens wordt de bijbehorende patiënt en het bijbehorende apparaat gemaakt en gekoppeld in de Life365-API. De id's van de patiënten en apparaten, die eerst zijn gemaakt in Azure Health Data Services, worden vervolgens bijgewerkt als externe id's in de respectieve patiënt- en apparaatentiteiten in de Life365-API.

Microsoft Cloud for HealthCare

Deze voorbeeldworkload is een manier om een externe patiëntbewakingsoplossing te implementeren. Microsoft Cloud for Healthcare biedt ook een externe oplossing voor patiëntbewaking. Zie de begeleide rondleiding voor patiëntbewaking op afstand voor meer informatie over die oplossing.

Scenariodetails

Er is een overvloed aan medische en draagbare/consumentenapparaten die er vandaag zijn. Voor toegang tot apparaatmetingen/metingen, veel van de in-home bewakingsapparaten (zoals bloeddrukapparaten, schaal... enz.) Bluetooth-connectiviteit bieden (zoals Bluetooth Low Energy of andere oudere versies van de Bluetooth-standaard). Er zijn ook draagbare apparaten voor consumenten, evenals geavanceerdere thuisapparaten die API-connectiviteit bieden voor toegang tot de metingen van apparaten. In dit geval kunnen de apparaten de metingen rechtstreeks synchroniseren met de API (Wifi ingeschakeld) of verbinding maken met een mobiele app op een smartphone (via Bluetooth), zodat de app de leesweergave naar de API kan synchroniseren.

Probleemformulering

Gezien het brede scala aan draagbare en thuis medische apparaten en connectiviteitsopties (van Bluetooth-naar-API-specificatie), vermenigvuldigd met het aantal patiënten binnen de gezondheidszorgorganisatie, kan gegevensintegratie en indeling een lastige taak worden.

Potentiële gebruikscases

  • Klinische proeven en onderzoek – Help klinische onderzoeksteams om een breed scala aan thuis- en draagbare medische hulpmiddelen te integreren en aan te bieden aan de studiedeelnemer. Met andere woorden, bied een quasi-Bring-Your-Own-Device (BYOD) optie aan uw studiedeelnemers.

  • Analyse van gegevenswetenschap en populatiestatus : de activiteits- en fysiologische gegevens zijn beschikbaar in de FHIR-standaardindeling van de branche, evenals andere opensource-gegevensindelingen (JSON en Parquet). Naast de gegevensindeling worden systeemeigen connectors geboden om u te helpen bij de gegevensanalyse en -transformatie. Inclusief connectors zoals de Power BI-connector voor FHIR, Serverloze SQL-weergaven van Synapse en Spark-clusters in Synapse.

    Deze oplossing biedt ook een geparameteriseerde methode voor het anoniem maken van de gegevensset voor niet-geïdentificeerde onderzoeksdoeleinden. Deze 'secundaire gebruiksgegevens' kunnen worden geanalyseerd en gebruikt om best practices te vinden en klinische op bewijs gebaseerde werkstromen te ondersteunen. Observaties die zijn opgeslagen op de FHIR-server kunnen worden gebruikt om afwijkingen en werkstromen te vinden die de beste resultaten en procedures bevorderen.

  • Zorgaanbieders inschakelen : providers kunnen:

    • beter inzicht krijgen in de status van de patiënt
    • proactieve digitale zorgmodellen maken voor preventieve medische zorg
    • meer geïnformeerde acties uitvoeren op basis van de fysiologische indicatoren/meldingen
    • voorziet in trajecten voor vergoeding van externe fysiologie

  • Pro-vragenlijsten (Patient Reported Outcome) en PRO-gestuurde zorg - Door gebruik te maken van gebeurtenissen en PRO-vragenlijsten, kunnen ge individualiseerde zorgplannen en zorgvariantiewerkstromen worden gemaakt. De patiënt mag meer autonomie en controle hebben over het geïndidialiseerde zorgplan, wat de acceptatie en het duurzame gebruik helpt. PRO-gestuurde zorg kan ook nuttig zijn bij het oplossen van de kloof in onderwijs- en patiëntresultaten. Door onderwijsvragenlijsten en PRO's te koppelen, kan RPM worden gebruikt om medicatie, behandeling en/of opvolgingszorg te ondersteunen door vragen zoals:

    • Nemen patiënten hun bp correct?
    • Wordt de schaal op het juiste moment en de juiste frequentie gebruikt?
    • Lopen we een lus in PRO's voor de acceptatie van patiënten en een geïndidialiseerde zorgplanning?

    Voor patiënten die iOS-apparaten gebruiken, kunnen vragenlijst-apps worden gebouwd met behulp van de Apple ResearchKit. Vragenlijstgegevens worden opgenomen door Azure Event Hubs en beschikbaar gesteld via de FHIR-service, net zoals activiteit van apparaatpatiënten en fysiologische gegevens.

  • Meerdere typen en nauwkeurigere gezondheidsapparaten toestaan: gebruik medische en thuis medische apparaten om bijna realtime gezondheidsgegevens te genereren voor gegevensopname en -analyse.

Overwegingen

Deze overwegingen hebben betrekking op de pijlers van het Azure Well-Architected Framework. Dit is een set richtlijnen die kunnen worden gebruikt om de kwaliteit van een workload te verbeteren. Zie Microsoft Azure Well-Architected Framework voor meer informatie.

Betrouwbaarheid

Betrouwbaarheid zorgt ervoor dat uw toepassing kan voldoen aan de toezeggingen die u aan uw klanten hebt gedaan. Zie Overzicht van de betrouwbaarheidspijler voor meer informatie.

De beschikbaarheid van klinische gegevens en inzichten is essentieel voor veel zorgorganisaties. Hier volgen manieren om downtime van de Azure-services die in deze oplossing worden aangegeven, te minimaliseren:

  • Data Lake Storage wordt altijd drie keer gerepliceerd in de primaire regio, met de optie om lokaal redundante opslag (LRS) of zone-redundante opslag (ZRS) te kiezen.

  • Azure Event Hubs verspreidt het risico op onherstelbare fouten van afzonderlijke machines of zelfs volledige racks in clusters die meerdere foutdomeinen binnen een datacenter omvatten. Zie Azure Event Hubs - Herstel na geo-noodgeval voor meer informatie.

  • Databricks biedt richtlijnen voor herstel na noodgevallen voor het data analytics-platform.

  • De Machine Learning-implementatie kan meerdere regio's zijn.

Beveiliging

Beveiliging biedt garanties tegen opzettelijke aanvallen en misbruik van uw waardevolle gegevens en systemen. Zie Overzicht van de beveiligingspijler voor meer informatie.

Gezondheidszorggegevens omvatten vaak gevoelige beschermde gezondheidsinformatie (PHI) en persoonlijke gegevens. De volgende resources zijn beschikbaar om deze gegevens te beveiligen:

Kostenoptimalisatie

Kostenoptimalisatie gaat over manieren om onnodige uitgaven te verminderen en operationele efficiëntie te verbeteren. Zie Overzicht van de pijler kostenoptimalisatie voor meer informatie.

De prijzen voor veel van de Azure-onderdelen vindt u in de Azure-prijscalculator. Uiteindelijk zijn prijzen voor deze oplossing gebaseerd op factoren zoals:

  • De Azure-services die worden gebruikt.
  • Volume aan gegevens, wat betreft het aantal patiënten/apparaten en het aantal activiteits- en fysiologische gegevenstypen dat wordt opgenomen.
  • Vereisten voor capaciteit en doorvoer voor Event Hubs.
  • Rekenresources die nodig zijn om machine learning-training en -implementaties, Synapse Spark-pools en Databricks-clusters uit te voeren.
  • De visualisatie- en rapportageoplossing, zoals Power BI.

Houd bij het implementeren van deze oplossing rekening met het beleid voor gegevensretentie en archivering voor de onderliggende Azure Data Lake. Profiteer van levenscyclusbeheer van Azure Storage om een geautomatiseerde manier te bieden voor het volgende:

  • bestandsblobs naar beneden overschakelen naar de statische toegangslaag
  • archieflagen op basis van het tijdstip waarop het bestand voor het laatst is gewijzigd.

Raadpleeg de Life365-API Verbinding maken Data-aanbieding in De Microsoft Azure Marketplace voor meer informatie over Life365.health-abonnementen en -prijzen

Prestatie-efficiëntie

Prestatie-efficiëntie is de mogelijkheid om op efficiënte wijze uw werkbelasting te schalen om te voldoen aan de vereisten die gebruikers eraan stellen. Zie overzicht van de pijler Prestatie-efficiëntie voor meer informatie.

Deze oplossing biedt een schaalbare near-realtime architectuur voor externe patiëntbewaking. Het is belangrijk om de gegevensstroom met meerdere lagen te erkennen vanuit de interface tussen de apparaten en de Life365-API, naar de opname van Life365-API en Azure Event Hubs, naar de transformatie in de MedTech-service in Azure Health Data Service en ten slotte naar de incrementele export en anonimisering van de Data Lake-indeling. Daarom wordt de gegevensstroom in bijna realtime verwerkt en moeten downstreamtoepassingen en/of integraties als zodanig worden ontworpen. De prestaties van deze oplossing kunnen echter worden geschaald tot een groot aantal apparaten en patiënten op ondernemingsniveau.

  • Deze oplossing maakt gebruik van Azure Event Hubs als het belangrijkste opnamepunt. Schaalbaarheid van Event Hubs kan worden beheerd met doorvoereenheden, verwerkingseenheden en capaciteitseenheden. Als zodanig kan partitioneren helpen bij het verwerken van grote hoeveelheden gebeurtenissen in Event Hubs.

  • De functie Automatische schaalaanpassing van apache Spark voor de Azure Synapse Analytics-pool schaalt automatisch het aantal knooppunten in een clusterexemplaren omhoog en omlaag.

  • Azure Machine Learning biedt implementatie voor deductie met GPU-processors en Azure-FPGA's die het mogelijk maken om lage latentie te bereiken voor realtime deductie.

Bijdragers

Dit artikel wordt onderhouden door Microsoft. De tekst is oorspronkelijk geschreven door de volgende Inzenders.

Belangrijkste auteurs:

Als u niet-openbare LinkedIn-profielen wilt zien, meldt u zich aan bij LinkedIn.

Volgende stappen

Technologieën en resources die relevant zijn voor het implementeren van deze architectuur: