MedTech-tjänsten och Azure Machine Learning Service
Anteckning
FHIR® (Fast Healthcare Interoperability Resources) är en öppen hälsospecifikation.
I den här artikeln får du lära dig mer om hur du använder MedTech-tjänsten och Azure Machine Learning Service.
Referensarkitektur för MedTech-tjänsten och Azure Machine Learning Service
MedTech-tjänsten gör det möjligt för IoT-enheter att sömlöst integreras med FHIR-tjänster. Den här referensarkitekturen är utformad för att påskynda implementeringen av IoT-projekt (Internet of Things). Den här lösningen använder Azure Databricks för maskininlärningsberäkningen (ML). Azure Machine Learning Services med Kubernetes eller en PARTNER ML-lösning kan dock passa in i machine learning-bedömningsmiljön.
De fyra linjefärgerna visar de olika delarna av dataresan.
- Blue = IoT-data till FHIR-tjänsten.
- Grön = datasökväg för bedömning av IoT-data
- Red = Het sökväg för data för att informera kliniker om patientrisk. Målet med den heta sökvägen är att vara så nära realtid som möjligt.
- Orange = Varm sökväg för data. Stöder fortfarande kliniker i patientvård. Databegäranden utlöses vanligtvis manuellt eller enligt ett uppdateringsschema.
Datamatning: Steg 1–5
- Data från IoT-enhet eller via enhetsgateway som skickas till Azure IoT Hub/Azure IoT Edge.
- Data från Azure IoT Edge som skickas till Azure IoT Hub.
- Kopia av råa IoT-enhetsdata som skickas till en säker lagringsmiljö för enhetsadministration.
- IoT-nyttolasten flyttas från Azure IoT Hub till MedTech-tjänsten. MedTech-tjänstikonen representerar flera Azure-tjänster.
- Tre delar till nummer fem:
- MedTech-tjänsten begär patientresurs från FHIR-tjänsten.
- FHIR-tjänsten skickar tillbaka patientresursen till MedTech-tjänsten.
- IoT Patient Observation är en post i FHIR-tjänsten.
Dataväg för Maskininlärning och AI: Steg 6–11
- Normaliserad ogrupperad dataström som skickas till en Azure-funktion (ML-indata).
- Azure Function (ML Input) begär att patientresursen slås samman med IoT-nyttolasten.
- IoT-nyttolasten skickas till en händelsehubb för distribution till Machine Learning-beräkning och lagring.
- IoT-nyttolasten skickas till Azure Data Lake Storage Gen2 för bedömningsobservation under längre tidsperioder.
- IoT-nyttolasten skickas till Azure Databricks för fönster, dataanpassning och databedömning.
- Azure Databricks begär mer patientdata från Data Lake efter behov.
- Azure Databricks skickar också en kopia av poängsatta data till datasjön.
Samordning av anmälan och vård: Steg 12–18
Frekvent sökväg
- Azure Databricks skickar en nyttolast till en Azure-funktion (ML-utdata).
- RiskAssessment och/eller Flagga resurs som skickats till FHIR-tjänsten.
- För varje observationsfönster skickas en RiskAssessment-resurs till FHIR-tjänsten.
- För observationsperioder där riskbedömningen ligger utanför det godkända intervallet bör en flaggresurs också skickas till FHIR-tjänsten.
- Poängsatta data som skickas till datalagringsplatsen för routning till lämpligt vårdteam. Azure SQL Server är den datalagringsplats som används i den här designen på grund av dess interna interaktion med Power BI.
- Power BI-instrumentpanelen uppdateras med riskbedömningsutdata på under 15 minuter.
Varm sökväg
- Power BI uppdaterar instrumentpanelen enligt datauppdateringsschemat. Normalt längre än 15 minuter mellan uppdateringarna.
- Fyll i Care Team-appen med aktuella data.
- Vårdsamordning via Microsoft Teams for Healthcare Patient App.
Nästa steg
I den här artikeln har du lärt dig om integreringen av MedTech-tjänsten och Machine Learning-tjänsten.
En översikt över MedTech-tjänsten finns i
Mer information om dataomvandlingen för MedTech-tjänstens enhetsmeddelanden finns i
Mer information om metoder för att distribuera MedTech-tjänsten finns i
FHIR® är ett registrerat varumärke som tillhör Health Level Seven International, registrerat i U.S. Trademark Office och används med deras tillstånd.