Udostępnij za pośrednictwem

Usługa MedTech i usługa Azure Machine Learning Service

  • Artykuł

Uwaga

Fast Healthcare Interoperability Resources (FHIR®) to otwarta specyfikacja opieki zdrowotnej.

W tym artykule dowiesz się więcej o korzystaniu z usługi MedTech i usługi Azure Machine Learning Service.

Architektura referencyjna usługi MedTech i usługi Azure Machine Learning Service

Usługa MedTech umożliwia bezproblemową integrację urządzeń IoT z usługami FHIR. Ta architektura referencyjna została zaprojektowana w celu przyspieszenia wdrażania projektów Internetu rzeczy (IoT). To rozwiązanie korzysta z usługi Azure Databricks na potrzeby obliczeń usługi Machine Learning (ML). Jednak usługi Azure Machine Learning Services z rozwiązaniem Kubernetes lub partnerskim rozwiązaniem uczenia maszynowego mogą pasować do środowiska oceniania usługi Machine Learning.

Cztery kolory linii pokazują różne części podróży danych.

  • Blue = dane IoT do usługi FHIR.
  • Green = ścieżka danych oceniania danych IoT
  • Red = Gorąca ścieżka danych do informowania lekarzy o ryzyku pacjentów. Celem ścieżki gorącej jest jak najbardziej zbliżona do czasu rzeczywistego.
  • Pomarańczowy = ciepła ścieżka dla danych. Nadal wspieranie lekarzy w opiece nad pacjentem. Żądania danych są zwykle wyzwalane ręcznie lub zgodnie z harmonogramem odświeżania.

Zrzut ekranu przedstawiający architekturę referencyjną usługi MedTech i usługi Machine Learning Service.

Pozyskiwanie danych: kroki 1–5

  1. Dane z urządzenia IoT lub za pośrednictwem bramy urządzeń wysyłane do Azure IoT Hub/azure IoT Edge.
  2. Dane z usługi Azure IoT Edge wysyłane do Azure IoT Hub.
  3. Kopia nieprzetworzonych danych urządzenia IoT wysyłanych do bezpiecznego środowiska magazynu na potrzeby administrowania urządzeniami.
  4. Ładunek IoT przenosi się z Azure IoT Hub do usługi MedTech. Ikona usługi MedTech reprezentuje wiele usług platformy Azure.
  5. Trzy części do numerowania pięć:
    1. Usługa MedTech żąda zasobu pacjenta z usługi FHIR.
    2. Usługa FHIR wysyła zasób Pacjenta z powrotem do usługi MedTech.
    3. Obserwacja pacjenta IoT jest rejestrowana w usłudze FHIR.

Uczenie maszynowe i trasa danych sztucznej inteligencji: kroki 6–11

  1. Znormalizowany niezgrupowany strumień danych wysyłany do funkcji platformy Azure (danych wejściowych uczenia maszynowego).
  2. Funkcja platformy Azure (dane wejściowe uczenia maszynowego) żąda zasobu pacjenta do scalenia z ładunkiem IoT.
  3. Ładunek IoT jest wysyłany do centrum zdarzeń w celu dystrybucji do zasobów obliczeniowych i magazynowych usługi Machine Learning.
  4. Ładunek IoT jest wysyłany do Azure Data Lake Storage generacji 2 w celu obserwacji punktacji w dłuższych oknach czasu.
  5. Ładunek IoT jest wysyłany do usługi Azure Databricks na potrzeby obsługi okien, dopasowywania danych i oceniania danych.
  6. Usługa Azure Databricks żąda większej ilości danych pacjentów z usługi Data Lake zgodnie z potrzebami.
    1. Usługa Azure Databricks wysyła również kopię ocenianych danych do usługi Data Lake.

Koordynacja powiadomień i opieki: kroki 12–18

Ścieżka gorąca

  1. Usługa Azure Databricks wysyła ładunek do funkcji platformy Azure (danych wyjściowych uczenia maszynowego).
  2. RiskAssessment i/lub Zasób flagi przesłany do usługi FHIR.
    1. Dla każdego okna obserwacji zasób RiskAssessment jest przesyłany do usługi FHIR.
    2. W przypadku okien obserwacji, w których ocena ryzyka znajduje się poza dopuszczalnym zakresem, należy również przesłać zasób flagi do usługi FHIR.
  3. Wyniki danych wysyłanych do repozytorium danych na potrzeby routingu do odpowiedniego zespołu opieki. Azure SQL Server to repozytorium danych używane w tym projekcie ze względu na natywną interakcję z usługą Power BI.
  4. Pulpit nawigacyjny usługi Power BI został zaktualizowany o dane wyjściowe oceny ryzyka w czasie poniżej 15 minut.

Ścieżka ciepła

  1. Usługa Power BI odświeża pulpit nawigacyjny zgodnie z harmonogramem odświeżania danych. Zazwyczaj między odświeżeniami trwa dłużej niż 15 minut.
  2. Wypełnij aplikację Care Team przy użyciu bieżących danych.
  3. Koordynacja opieki za pośrednictwem aplikacji Microsoft Teams for Healthcare Patient App.

Następne kroki

W tym artykule przedstawiono informacje o integracji usługi MedTech i usługi Machine Learning.

Aby zapoznać się z omówieniem usługi MedTech, zobacz

Co to jest usługa MedTech?

Aby dowiedzieć się więcej o przekształcaniu danych komunikatów urządzenia usługi MedTech, zobacz

Omówienie etapów przetwarzania danych urządzeń usługi MedTech

Aby dowiedzieć się więcej o metodach wdrażania usługi MedTech, zobacz

Wybieranie metody wdrażania dla usługi MedTech

FHIR® jest zastrzeżonym znakiem towarowym Health Level Seven International, zarejestrowanym w U.S. Trademark Office i jest używany z ich pozwoleniem.