通过

你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

MedTech 服务和 Azure 机器学习服务

  • 项目

注意

快速医疗保健互操作性资源 (FHIR®) 是一个开放的医疗保健规范。

本文介绍如何使用 MedTech 服务和 Azure 机器学习服务。

MedTech 服务和 Azure 机器学习服务参考体系结构

MedTech 服务使 IoT 设备能够与 FHIR 服务无缝集成。 此参考体系结构旨在加速物联网 (IoT) 项目的采用。 此解决方案使用 Azure Databricks 进行机器学习 (ML) 计算。 但是，使用 Kubernetes 或合作伙伴 ML 解决方案的 Azure 机器学习服务可能适合机器学习评分环境。

四种线条颜色显示数据旅程的不同部分。

  • 蓝色 = FHIR 服务的 IoT 数据。
  • 绿色 = IoT 数据评分的数据路径
  • 红色 = 用于通知临床医生患者风险的数据的热路径。 热路径的目标是尽可能接近实时。
  • 橙色 = 数据的暖路径。 仍在支持临床医生进行患者护理。 数据请求通常是手动触发的或按刷新计划触发的。

MedTech 服务和机器学习服务参考体系结构的屏幕截图。

数据引入：步骤 1 - 5

  1. 从 IoT 设备或通过设备网关发送到 Azure IoT 中心/Azure IoT Edge的数据。
  2. Azure 中的数据IoT Edge发送到Azure IoT 中心。
  3. 发送到安全存储环境进行设备管理的原始 IoT 设备数据的副本。
  4. IoT 有效负载从 Azure IoT 中心 移动到 MedTech 服务。 MedTech 服务图标表示多个 Azure 服务。
  5. 从三个部分到第五部分：
    1. MedTech 服务从 FHIR 服务请求患者资源。
    2. FHIR 服务将患者资源发送回 MedTech 服务。
    3. IoT 患者观察记录在 FHIR 服务中。

机器学习和 AI 数据路由：步骤 6 - 11

  1. 发送到 Azure Function (ML 输入) 的规范化未分组数据流。
  2. Azure Function (ML 输入) 请求患者资源与 IoT 有效负载合并。
  3. IoT 有效负载发送到事件中心，以便分发到机器学习计算和存储。
  4. IoT 有效负载发送到 Azure Data Lake Storage Gen 2，以便在较长的时间窗口内进行评分观察。
  5. IoT 有效负载发送到 Azure Databricks，用于开窗、数据拟合和数据评分。
  6. Azure Databricks 根据需要从 Data Lake 请求更多患者数据。
    1. Azure Databricks 还会将评分数据的副本发送到数据湖。

通知和护理协调：步骤 12 - 18

热路径

  1. Azure Databricks 将有效负载发送到 Azure Function (ML 输出) 。
  2. RiskAssessment 和/或标记提交到 FHIR 服务的资源。
    1. 对于每个观察窗口，RiskAssessment 资源将提交到 FHIR 服务。
    2. 对于风险评估超出可接受范围的观察窗口，还应将标志资源提交到 FHIR 服务。
  3. 发送到数据存储库以便路由到相应护理团队的评分数据。 Azure SQL服务器是此设计中使用的数据存储库，因为它与 Power BI 的本机交互。
  4. Power BI 仪表板在 15 分钟内更新了风险评估输出。

暖路径

  1. Power BI 根据数据刷新计划刷新仪表板。 通常，刷新间隔时间超过 15 分钟。
  2. 使用当前数据填充 Care Team 应用。
  3. 通过 Microsoft Teams for Healthcare Patient App 进行护理协调。

后续步骤

本文介绍了 MedTech 服务和机器学习服务集成。

有关 MedTech 服务的概述，请参阅

什么是 MedTech 服务？

若要了解 MedTech 服务设备消息数据转换，请参阅

了解 MedTech 服务设备数据处理阶段

若要了解部署 MedTech 服务的方法，请参阅

选择 MedTech 服务的部署方法

FHIR® 是 Health Level Seven International 的注册商标，在美国商标局注册，经其许可使用。