Share via

Служба MedTech и Служба машинного обучения Azure

  • Статья

Примечание

Ресурсы быстрого взаимодействия в сфере здравоохранения (FHIR®) — это открытая спецификация для здравоохранения.

Из этой статьи вы узнаете об использовании службы MedTech и Службы машинного обучения Azure.

Эталонная архитектура службы MedTech и Службы машинного обучения Azure

Служба MedTech позволяет устройствам Интернета вещей легко интегрироваться со службами FHIR. Эта эталонная архитектура предназначена для ускорения внедрения проектов Интернета вещей (IoT). Это решение использует Azure Databricks для вычислений машинного обучения. Однако Службы машинного обучения Azure с Kubernetes или партнерское решение ml могут вписаться в среду оценки машинного обучения.

Четыре цвета линий показывают различные части пути передачи данных.

  • Синий = данные Интернета вещей в службу FHIR.
  • Зеленый = путь к данным для оценки данных Интернета вещей
  • Красный = горячий путь для данных для информирования врачей о риске пациента. Цель горячего пути — быть как можно ближе к режиму реального времени.
  • Оранжевый = теплый путь для данных. По-прежнему поддержка врачей в уходе за пациентами. Запросы данных обычно активируются вручную или по расписанию обновления.

Снимок экрана: эталонная архитектура службы MedTech и Службы машинного обучения.

Прием данных: шаги 1–5

  1. Данные с устройства Интернета вещей или через шлюз устройств, отправляемые в Центр Интернета вещей Azure или azure IoT Edge.
  2. Данные из Azure IoT Edge отправляться в Центр Интернета вещей Azure.
  3. Копирование необработанных данных устройства Интернета вещей, отправляемых в безопасную среду хранения для администрирования устройств.
  4. Полезные данные Интернета вещей перемещаются из Центр Интернета вещей Azure в службу MedTech. Значок службы MedTech представляет несколько служб Azure.
  5. Три части на пять:
    1. Служба MedTech запрашивает ресурс Patient у службы FHIR.
    2. Служба FHIR отправляет ресурс Patient обратно в службу MedTech.
    3. Наблюдение за пациентами Интернета вещей регистрируется в службе FHIR.

Маршрут данных машинного обучения и искусственного интеллекта: шаги 6–11

  1. Нормализованный поток негруппированных данных, отправляемый в функцию Azure (входные данные машинного обучения).
  2. Функция Azure (входные данные машинного обучения) запрашивает ресурс Patient для слияния с полезными данными Интернета вещей.
  3. Полезные данные Интернета вещей отправляются в концентратор событий для распространения в вычислительные ресурсы и хранилище Машинного обучения.
  4. Полезные данные Интернета вещей отправляются в Azure Data Lake Storage 2-го поколения для оценки более длительных периодов времени.
  5. Полезные данные Интернета вещей отправляются в Azure Databricks для управления окнами, подбора данных и оценки данных.
  6. При необходимости Azure Databricks запрашивает больше данных о пациентах из озера данных.
    1. Azure Databricks также отправляет копию оцененных данных в озеро данных.

Координация уведомлений и ухода: шаги 12–18

Критический путь

  1. Azure Databricks отправляет полезные данные в функцию Azure (выходные данные машинного обучения).
  2. Ресурс RiskAssessment и (или) Flag, отправленный в службу FHIR.
    1. Для каждого окна наблюдения ресурс RiskAssessment отправляется в службу FHIR.
    2. Для окон наблюдения, где оценка риска находится за пределами допустимого диапазона, ресурс Flag также следует отправить в службу FHIR.
  3. Оцененные данные, отправляемые в репозиторий данных для маршрутизации соответствующей группе по уходу. Azure SQL Server — это репозиторий данных, используемый в этой структуре из-за его собственного взаимодействия с Power BI.
  4. Панель мониторинга Power BI обновляется с учетом выходных данных оценки рисков в течение 15 минут.

Теплый путь

  1. Power BI обновляет панель мониторинга по расписанию обновления данных. Как правило, дольше 15 минут между обновлениями.
  2. Заполните приложение Care Team текущими данными.
  3. Координация помощи с помощью приложения Microsoft Teams для пациентов в области здравоохранения.

Дальнейшие действия

Из этой статьи вы узнали об интеграции службы MedTech и службы машинного обучения.

Общие сведения о службе MedTech см. в разделе

Что такое служба MedTech?

Дополнительные сведения о преобразовании данных сообщений устройства MedTech см. в разделе

Общие сведения об этапах обработки данных устройства службы MedTech

Дополнительные сведения о методах развертывания службы MedTech см. в разделе

Выбор метода развертывания для службы MedTech

FHIR® является зарегистрированным товарным знаком Health Level Seven International, зарегистрированным в Управлении по товарным знакам США и используемым с их разрешения.