您现在访问的是微软AZURE全球版技术文档网站,若需要访问由世纪互联运营的MICROSOFT AZURE中国区技术文档网站,请访问 https://docs.azure.cn.

面向医疗保健的人口健康管理

数据工厂
Databricks
API for FHIR
事件中心
流分析
Power BI

解决方案理念

如果想了解详细信息(例如潜在用例、替代服务、实现注意事项或定价指南)来扩展本文,请通过反馈GitHub告知我们!

填充运行状况管理是一种重要的工具,医疗保健提供商越来越使用此工具来管理和控制增加的成本。 总体运行状况管理的关键是使用数据来改善运行状况结果。 跟踪、监视和基准标记是填充运行状况管理的三个堡垒,旨在改进临床和运行状况,同时管理和降低成本。

在此解决方案中,我们将使用医院生成的临床和社会经济患者数据进行人口运行状况报告。 作为使用填充运行状况管理的机器学习应用程序的示例,模型用于预测医院的长度。 它适用于医院和医疗保健提供商,可通过疾病预防和管理来管理和控制卫生保健支出。 可以在解决方案的手动部署指南中了解所使用的数据和医院保持模型的长度。 医院可利用这些结果来优化护理管理系统,并将其临床资源集中在患者上,并提供更多紧急需求。 了解他们通过填充运行状况报告提供的社区,可以帮助医院从收费服务支付过渡到基于价值的医疗,同时降低成本并提供更好的护理。

示例

  • 患者监视

  • 临床试验

  • 智能诊所

体系结构

体系结构关系图 下载此体系结构的SVG

数据流

  1. 实时数据生成设备 (IoMT) 使用设备身份验证(例如 IoT 中心)将数据传输到流式数据引入接收器。 此接收器可以是独立的 Azure IoT 集线器,也可以包含在完全托管的应用程序平台中,如Azure IoT Central和解决方案加速器,如持续患者监视模板

  2. 然后,将设备数据接收到用于 Azure 的 IoMT FHIR 连接器中,并将其标准化、分组、转换并保存到 Azure API for FHIR 中。

  3. 诸如电子医疗记录系统、患者管理系统或实验室系统这样的数据源可能会生成其他消息格式,如通过 HL7 摄取和转换工作流 转换 的 HL7 消息。 HL7 摄取平台通过 MLLP 使用 HL7 消息,并通过 HL7overHTTPS 安全地将其传输到 Azure。 数据落在 blob 存储中,后者在 Azure 服务总线上生成事件以便进行处理。 HL7 转换是一种基于 Azure 逻辑应用的工作流,可通过 FHIR 转换器执行从 HL7 到 FHIR 的有序转换,并将该消息保存到用于 FHIR 服务器实例的 Azure API 中

  4. 使用 大容量导出 功能将数据从 Azure FHIR 服务导出到 Azure Data Lake Gen2。 可以将敏感数据 匿名 为导出函数的一部分。

  5. Azure 数据工厂作业计划将其他数据源从本地或备用源复制到 Azure Data Lake 第2代。

  6. 使用 Azure Databricks 可清理和转换流数据集,并将其与操作数据库或数据仓库中的结构化数据结合起来。 使用可缩放的机器学习/深度学习技术,使用 Python、R 或 Scala 从这些数据中获得更深入的见解,其中内置笔记本体验 Azure Databricks。 在此解决方案中,我们使用 Databricks 将相关的数据集和不同的数据集组合在一起,以便在保持模型的患者长度中使用。

  7. 试验和模型开发在 Azure Databricks 中进行。 通过mlflow与 Azure ML 集成,可以通过跟踪、模型存储库和部署快速进行模型试验。

  8. 使用 Azure 机器学习服务发布训练的模型,以便通过Azure Databricks 终结点或使用azure 容器实例azure Kubernetes 服务作为实时终结点。

组件

  • Azure IoT Connector for FHIR是 Azure API for FHIR 的一项可选功能,可用于从 IoMT) 设备的 (医疗网络引入数据。 另外,如果任何人希望 IoT Connector 的控制和灵活性更强,则适用于 Azure 的 IoMT FHIR 连接器是一个开源项目,用于引入 IoMT 设备的数据并将数据保存在 FHIR®服务器中。 此处提供了简化的部署模板。

  • Azure 数据工厂 是一种混合数据集成服务,可用于创建、计划和安排 ETL/ELT 工作流。

  • 适用于FHIR 的 AZURE API是一种完全托管的企业级服务,适用于采用 FHIR 格式的运行状况数据。

  • Azure Data Lake Storage是基于 Azure Blob 存储的高度可缩放、安全的 Data Lake 功能。

  • Azure Databricks 是一种快速、简单、协作的基于 Apache Spark 的数据分析平台。

  • Azure 机器学习是一种云服务,用于大规模培训、评分、部署和管理机器学习模型。 此体系结构使用 Azure 机器学习服务对 MLflow 的本机支持来记录试验、存储模型和部署模型。

  • Power BI 是一套业务分析工具,用于在整个组织内提供见解。 连接数百个数据源,简化数据准备,并推动交互式分析。 生成精美的报表,然后发布这些报表,使你的组织能够在 web 和移动设备上使用。

说明

此处详细介绍了两个示例项目,可将其导入 Azure Databricks。 注意:由于使用 R 代码,必须在状态笔记本的预测长度上使用标准群集模式。

  1. 具有持续预测时长的实时填充运行状况报告 使用多达一百万个或更多的患者来训练模型。 数据的架构与 Inpatient 数据库的状态相匹配, (SID) 数据从 "医疗保健成本" 和 "使用率" Project) (" 它适用于类似的患者人口,不过我们建议医院使用其自己的患者数据重新训练模型,以获得最佳结果。 该解决方案模拟610的临床和人口统计功能,包括年龄、性别、zipcode、诊断、过程、费用等。 若要将其应用到新许可的患者,必须使用每个患者在其许可时可用的功能训练该模型。

  2. 针对卫生保健的患者特定 Readmission 预测和介入使用最初为 1994 AAI 春季研讨会在美国的人工智能上生成的糖尿病数据集。现在,大致在UCI 机器学习存储库中通过 Kahn 共享。

后续步骤

  • Microsoft Health 云 & 数据体系结构工程团队提供的Azure 运行状况体系结构包含许多通过运行状况域中的紧密客户、合作伙伴和同事获得的参考体系结构。
  • 持续患者监视 提供可生成持续患者监视解决方案的应用模板。
  • DICOM 的医疗图像服务器 是可在 Azure 中运行的 DICOMweb™的 .net Core 实现。
  • OpenHack FOR FHIR 是基于 OpenHack 的教程的集合,可用于了解 Azure 中与 FHIR 相关的服务。