Upravit

Sdílet prostřednictvím

Monitorování pacientů na dálku

Azure Data Lake Storage
Azure Databricks
Azure Event Hubs
Azure Machine Learning
Azure Synapse Analytics
Power BI

Zdravotnické systémy, nemocnice a postupy velkých lékařů se přemístit na iniciativy v nemocnicích doma (označované také jako vzdálené monitorování pacientů). Vzdálené monitorování pacientů je podmnožinou klinické péče, kde je možné přistupovat k aktivitě pacientů a optimalizovaným datům a doručovat je pomocí vzdálených zdravotních zařízení v souladu s parametry plánu individuální péče.

Tento článek obsahuje pokyny k návrhu řešení pomocí služeb Azure Health Data Services a zařízení pro inteligentní vzdálené monitorování pacientů. Řešení pomůže zmírnit řadu problémů s integrací zařízení, kterým vaše organizace čelí při sestavování takového řešení ve velkém měřítku.

Architektura

Diagram architektury vzdáleného monitorování pacientů s využitím zdravotnických zařízení a služeb Azure

Stáhněte si soubor aplikace Visio s touto architekturou.

Tok dat

  1. Zařízení pacientů generují aktivitu a generují generovaná data. Data se pak extrahují ze zařízení pomocí jedné z dostupných opensourcových sad SDK Microsoftu (OSS) a ingestovaných službou Azure Event Hubs.

  2. Platforma Life365.health podporuje 300 zařízení, která generují aktivitu a kompatibilita dat . Rozhraní API Life365 ingestuje aktivitu a kompatibilita dat ze zařízení pro monitorování pacientů do služby Azure Event Hubs.

  3. Služba Azure MedTech načítá měření zařízení ze služby Event Hubs, transformuje je do FHIR ve formátu Fast Healthcare Interoperability Resources (FHIR) a předává je do služby Azure FHIR®. Pracovní prostor Azure Health Data Services je logický kontejner pro instance zdravotních služeb, jako jsou služby FHIR a MedTech.

  4. Při vytváření, aktualizaci nebo odstranění prostředku FHIR ve službě Azure FHIR odesílá pracovní prostor Služby Azure Health Data Services oznámení odběratelům událostí. Oznámení se dají odesílat do několika koncových bodů, aby se aktivovala automatizace, včetně spouštění pracovních postupů nebo odesílání e-mailů a textových zpráv.

  5. Kanály FHIR Analytics přírůstkově exportují ne anonymizovaná data FHIR do Azure Data Lake a zpřístupňuje je pro analýzy s různými datovými službami Azure. Exportovaná data je také možné anonymizovat pomocí nástrojů, jako jsou open source nástroje Microsoftu pro anonymizaci dat o stavu. Výchozí anonymizace je založená na metodě HIPAA Safe Harbor , kterou je možné podle potřeby rozšířit a upravit.

    Důležité

    Exportovaná data FHIR v tomto toku dat jsou nezpracovaná, včetně informací PHI. Proces zrušení identifikace lze použít k odebrání osobních identifikátorů z dat pro účely výzkumu nebo sdílení. Pokud si přejete deidentifikované datové sady, musíte před exportem dat přijmout opatření k anonymizaci dat, a to pomocí nástroje, jako je například výše uvedený.

  6. Další analýza dat FHIR ve formátech Parquet a JSON se provádí pomocí fondů Spark ve službách Azure Synapse, Azure Databricks a Azure Machine Learning (ML).

  7. Zobrazení SQL se vytvářejí v bezserverových fondech SQL v Azure Synapse. Pro každý prostředek FHIR se vytvoří zobrazení SQL založené na souborech Parquet v Azure Data Lake. Na základě těchto zobrazení můžou datoví inženýři a vývojáři psát nativní SQL v nástroji Microsoft SQL Management Studio nebo v jiném editoru SQL za účelem dotazování prostředků FHIR.

  8. Power BI a konektor Power Query pro FHIR slouží k importu a tvarování dat přímo z koncového bodu rozhraní API služby FHIR. Power BI také nabízí konektory Parquet a SQL pro přístup k prostředku FHIR přímo ve formátu Parquet nebo prostřednictvím zobrazení SQL ve službě Synapse.

Komponenty

Zařízení

Spotřebitelská zařízení

Microsoft poskytuje opensourcové sady SDK pro usnadnění přenosu dat z různých uživatelských zařízení pro příjem dat službou Azure Event Hubs:

Life365.health podporovaná zdravotnická zařízení

Platforma Life365.health je integrovaná s více než 300 monitorovacími zařízeními Bluetooth pro příjem dat službou Azure Event Hubs. Zařízení zahrnují více kategorií a OEM, od spirometrů, teploměrů, váhy stupnice, připomenutí pilulek, sledování aktivit, měřiče glukózy v krvi, monitorování krevního tlaku, EKG / ECG, fetal dopplers, srdeční frekvence monitory, pulse oximetry, sledování spánku a další. Aplikace Life365 také umožňuje ruční záznam čtení odebraných ze zařízení, která nejsou bluetooth. Tato architektura využívá rozhraní API Life365 k ingestování měření zařízení ze zařízení Life365 do služby Event Hubs.

Další

I když výše uvedené možnosti usnadňují, tato architektura podporuje všechny podobné zdroje dat, které je možné bezpečně ingestovat do služby Event Hubs, přímo nebo nepřímo prostřednictvím zprostředkujícího rozhraní API.

Služby Azure (shromažďování dat a úložiště)

  • Azure Event Hubs – plně spravovaná služba pro příjem dat v reálném čase, která je jednoduchá, důvěryhodná a škálovatelná. Streamujte miliony událostí za sekundu z jakéhokoli zdroje, abyste mohli vytvářet dynamické datové kanály a okamžitě reagovat na obchodní výzvy. V této architektuře se používá ke shromažďování a agregaci dat zařízení pro přenos do služby Azure Health Data Services.

  • Azure Health Data Services je sada spravovaných služeb API založená na otevřených standardech a architekturách, které umožňují pracovní postupy zlepšit zdravotní péči a nabízet škálovatelná a zabezpečená řešení zdravotní péče. Mezi služby používané v této architektuře patří:

    • Pracovní prostor Služby Azure Health Data Services – poskytuje kontejner pro ostatní instance služby Azure Health Data Services a vytváří hranici dodržování předpisů (HIPAA, HITRUST), ve které mohou chráněné informace o stavu cestovat.

    • Služba Azure FHIR – usnadňuje bezpečné ukládání a výměnu chráněných informací o stavu (PHI) v cloudu. Data zařízení se transformují na prostředky pozorování založené na FHIR, které podporují vzdálené monitorování pacientů.

    • Služba Azure MedTech – základní kámen Microsoft Cloudu pro zdravotnictví, který slouží k podpoře vzdáleného monitorování pacientů. MedTech je platforma jako služba (PaaS), která umožňuje shromažďovat data téměř v reálném čase z různých lékařských zařízení a převádět je do formátu služby kompatibilní s FHIR a ukládat je ve službě FHIR. Funkce překladu dat zařízení služby MedTech umožňují transformovat širokou škálu dat do sjednoceného formátu FHIR, který poskytuje zabezpečenou správu dat o stavu v cloudovém prostředí.

      Služba MedTech je důležitá pro vzdálené monitorování pacientů, protože zdravotní data mohou být obtížně přístupná nebo analyzovat, pokud pocházejí z různorodých nebo nekompatibilních zařízení, systémů nebo formátů. Lékařské informace, které není snadné získat přístup, mohou být překážkou pro získání klinických poznatků a plánu zdravotní péče pacienta. Možnost překládat data o stavu do sjednoceného formátu FHIR umožňuje službě MedTech úspěšně propojit zařízení, zdravotní data, testovací prostředí a vzdálenou péči o osobu. Díky tomu může tato schopnost usnadnit zjišťování důležitých klinických poznatků a zachytávání trendů, které podporují kliniku, tým péče, pacient a rodinu. Může také pomoct vytvořit připojení k novým aplikacím zařízení a umožnit pokročilé výzkumné projekty. Stejně jako plány péče lze individualizovat podle případu použití, scénáře vzdáleného monitorování pacientů a případy použití se mohou lišit podle individuální potřeby.

  • Azure Event Grid – Služba událostí služby Azure Health Data Services generuje události při každém vytvoření, aktualizaci nebo odstranění prostředku FHIR (CUD). Tyto události může Azure Event Grid vysílat podřízeným příjemcům, aby fungovaly na datech založených na událostech.

Služby a nástroje Azure (analýzy dat)

  • Kanály FHIR Analytics – projekt operačního systému používaný k vytváření komponent a kanálů pro obdélníkové a přesouvání dat FHIR ze serverů Azure FHIR do Azure Data Lake. V této architektuře se data převedou na formát JSON (JavaScript Object Notation) a Parquet a zpřístupňuje je k analýze s různými datovými službami Azure.

  • Nástroje pro anonymizaci zdravotních dat – projekt operačního systému, který podporuje tým Microsoft Healthcare, pomáhá anonymizovat zdravotní data, místní nebo v cloudu pro sekundární využití, jako je výzkum, veřejný stav a další. Modul jádra anonymizace používá konfigurační soubor k určení různých parametrů a metod anonymizace pro různé datové prvky a datové typy.

  • Azure Synapse Analytics – neomezená analytická služba, která spojuje integraci dat, skladování podnikových dat a analýzu velkých objemů dat. Dává vám možnost dotazovat se na data podle toho, jak vám to vyhovuje, s využitím bezserverových nebo vyhrazených prostředků, a to ve velkém. Azure Synapse propojuje tyto světy pomocí jednotného prostředí pro ingestování, prozkoumání, přípravu, transformaci, správu a poskytování dat pro okamžité využití v BI a strojovém učení.

  • Fondy Apache Sparku – Apache Spark je architektura paralelního zpracování, která podporuje zpracování v paměti za účelem zvýšení výkonu analytických aplikací pro velké objemy dat. Apache Spark ve službě Azure Synapse Analytics je jednou z implementací Apache Sparku v cloudu od Microsoftu. Azure Synapse usnadňuje vytváření a konfiguraci bezserverových fondů úloh Apache Sparku v Azure. Fondy úloh Sparku ve službě Azure Synapse jsou kompatibilní se službami Azure Storage a Azure Data Lake Storage Gen2. Fondy úloh Sparku tak můžete použít ke zpracování dat uložených v Azure.

  • Azure Databricks – platforma pro analýzu dat optimalizovaná pro platformu cloudových služeb Microsoft Azure. Databricks poskytuje jednotnou analytickou platformu pro datové analytiky, datové inženýry, datové vědce a techniky strojového učení. Pro vývoj aplikací náročných na data se nabízejí tři prostředí: Databricks SQL, Databricks Datová Věda & Engineering a Databricks Machine Learning.

  • Azure ML – cloudová služba Azure pro urychlení a správu životního cyklu projektu strojového učení Odborníci na strojové učení, datoví vědci a technici ho můžou používat ve svých každodenních pracovních postupech: Trénování a nasazování modelů a správa MLOps. Model můžete vytvořit ve službě Azure Machine Learning nebo použít model vytvořený z opensourcové platformy, jako je Pytorch, TensorFlow nebo scikit-learn. Nástroje MLOps pomáhají monitorovat, přetrénovat a nasazuje modely.

  • Power BI – poskytuje samoobslužné analýzy v podnikovém měřítku a umožňuje:

    • Vytvořte kulturu řízenou daty pomocí business intelligence pro všechny.
    • Udržujte svá data v bezpečí díky špičkovým funkcím zabezpečení dat, včetně popisků citlivosti, komplexního šifrování a přístupu v reálném čase, monitoring.is slouží k další analýze dat FHIR.

  • Konektory Power Query používané s Power BI zahrnují:

  • SQL Server Management Studio – desktopová aplikace používaná k vytváření nativních dotazů SQL na úložiště dat SQL, jako jsou fondy SQL Služby Synapse Analytics.

Alternativy

Life365.health

Výhodou Life365.health je, že s jedním integračním bodem můžete nabízet měření z široké škály zařízení v ekosystému Life365 do datových služeb Azure Health. Existují další rozhraní API pro zařízení s možností opotřebení, jako je například rozhraní API aktivity Garmin a rozhraní POLAR AccessLink API, pro které lze dosáhnout podobného vzoru integrace. Tato rozhraní API jsou však výhradně určena k měření ze zařízení vlastních výrobců, jako je Například Garmin a Polar.

Zařízení a pacienti musí být definována, propojena a synchronizována mezi službami Azure Health Data Services a rozhraním API Life365. Tuto konfiguraci je možné dosáhnout synchronizací ID pacientů a zařízení mezi rozhraním API služby Azure Health Data Services a Life365. V podstatě se vytvoří a propojil nový pacient a zařízení ve službě Azure FHIR. Pak se v rozhraní API Life365 vytvoří a propojil odpovídající pacient a zařízení. ID pacientů a zařízení vytvořených ve službě Azure Health Data Services se pak aktualizují jako externí ID v příslušných entitách pacientů a zařízení v rozhraní API Life365.

Microsoft Cloud for HealthCare

Tato ukázková úloha řeší jeden způsob implementace řešení pro vzdálené monitorování pacientů. Microsoft Cloud for Healthcare také poskytuje řešení pro vzdálené monitorování pacientů. Další informace o tomto řešení najdete v průvodci monitorováním vzdálených pacientů.

Podrobnosti scénáře

Dnes je tu náplně lékařských a opotřebovatelných/spotřebitelských zařízení. Pro přístup k měřením a čtením zařízení poskytuje řada monitorovacích zařízení v domácnosti (jako jsou zařízení s krevním tlakem nebo stupnice) připojení Bluetooth (například Nízká energie Bluetooth nebo jiné starší verze standardu Bluetooth). K dispozici jsou také zařízení s opotřebením pro spotřebitele a pokročilejší zařízení v domácnosti, která poskytují připojení rozhraní API pro přístup k měření zařízení. V takovém případě můžou zařízení synchronizovat čtení přímo s rozhraním API (s podporou Wi-Fi) nebo se připojit k mobilní aplikaci na smartphonu (přes Bluetooth), což aplikaci umožní synchronizovat čtení zpět s rozhraním API.

Popis problému

Vzhledem k široké škále wearovatelných a in-home lékařských zařízení a možností připojení (od Bluetooth až po specifikaci rozhraní API) se může stát náročným úkolem vynásobit počtem pacientů v rámci zdravotnické organizace, integrací dat a orchestrací.

Potenciální případy použití

  • Klinické studie a výzkum – pomozte klinickým výzkumných týmům integrovat a nabídnout účastníkům studie širokou škálu domácích a wearable lékařských zařízení. Jinými slovy, nabídněte účastníkům studia kvazi-Bring-Your-Own-Device (BYOD).

  • Analýza stavu datové vědy a populace – Aktivita a analyticky budou k dispozici ve standardním formátu FHIR a také v jiných opensourcových formátech dat (JSON a Parquet). Kromě formátu dat jsou k dispozici nativní konektory, které vám pomůžou s analýzou a transformací dat. Zahrnutí konektorů, jako je konektor Power BI pro FHIR, zobrazení Sql bez serveru Synapse a clustery Spark ve službě Synapse

    Toto řešení také poskytuje parametrizovanou metodu pro anonymizaci datové sady pro deidentifikované výzkumné účely. Tato "sekundární data použití" je možné analyzovat a použít k vyhledání osvědčených postupů a podpoře pracovních postupů založených na klinických důkazech. Pozorování uložená na serveru FHIR se dají použít k vyhledání odchylek a pracovních postupů, které podporují nejlepší výsledky a postupy.

  • Povolit poskytovatele zdravotní péče – Poskytovatelé budou moct:

    • získání lepšího přehledu o stavu pacienta
    • vytváření proaktivních digitálních modelů zdravotní péče pro preventivní lékařskou péči
    • provádět informovanější opatření na základě indikátorů/oznámení
    • poskytovat cesty pro vzdálenou fyiologickou kontrolu úhrady

  • Dotazníky hlášených výsledků pacientů a péče řízené funkcí PRO – pomocí událostí a dotazníků PRO je možné vytvořit individuální plány péče a pracovní postupy odchylky péče. Pacient může mít větší autonomii a kontrolu nad individuálním plánem péče, který pomáhá přijetí a trvalé použití. Péče řízená sadou PRO může být užitečná také při řešení rozdílů ve vzdělávání a výsledcích pacientů. Propojením vzdělávacích dotazníků a PRO lze RPM použít k podpoře léků, léčby a/nebo následné péče zodpovězením otázek, jako jsou:

    • Vezmou si pacienti bp správně?
    • Používá se škálování ve správný čas a frekvenci?
    • Pracujeme ve smyčce žádostí o přijetí pacientů a plánování individuální péče?

    Pro pacienty, kteří používají zařízení s iOSem, je možné pomocí Apple ResearchKitu sestavit dotazníkové aplikace. Data dotazníků ingestují služba Azure Event Hubs a zpřístupní se prostřednictvím služby FHIR, stejně jako aktivita pacienta zařízení a pokojová data.

  • Povolit více typů a přesnějších zdravotních zařízení – Pomocí lékařských a domácích zdravotnických zařízení můžete vygenerovat zdravotní data téměř v reálném čase pro příjem a analýzu dat.

Důležité informace

Tyto aspekty řeší pilíře dobře architektuře Azure, což je sada hlavních principů, které je možné použít ke zlepšení kvality úlohy. Další informace naleznete v tématu Microsoft Azure Well-Architected Framework.

Spolehlivost

Spolehlivost zajišťuje, že vaše aplikace může splňovat závazky, které uděláte pro vaše zákazníky. Další informace najdete v tématu Přehled pilíře spolehlivosti.

Dostupnost klinických dat a přehledů je důležitá pro mnoho zdravotnických organizací. Tady jsou způsoby, jak minimalizovat výpadky služeb Azure uvedených v tomto řešení:

  • Data Lake Storage se vždy třikrát replikuje v primární oblasti s možností zvolit místně redundantní úložiště (LRS) nebo zónově redundantní úložiště (ZRS).

  • Azure Event Hubs rozšiřuje riziko katastrofických selhání jednotlivých počítačů nebo dokonce dokončuje racky napříč clustery, které zahrnují více domén selhání v rámci datacentra. Další informace najdete v tématu Azure Event Hubs – Geografické zotavení po havárii.

  • Databricks poskytuje pokyny pro zotavení po havárii pro svou platformu pro analýzu dat.

  • Nasazení služby Machine Learning může být více oblastí.

Zabezpečení

Zabezpečení poskytuje záruky proti záměrným útokům a zneužití cenných dat a systémů. Další informace najdete v tématu Přehled pilíře zabezpečení.

Zdravotní data často zahrnují citlivé chráněné zdravotní údaje (PHI) a osobní údaje. K zabezpečení těchto dat jsou k dispozici následující zdroje informací:

Optimalizace nákladů

Optimalizace nákladů se zabývá způsoby, jak snížit zbytečné výdaje a zlepšit efektivitu provozu. Další informace najdete v tématu Přehled pilíře optimalizace nákladů.

Ceny pro mnoho komponent Azure najdete v cenové kalkulačce Azure. Ceny tohoto řešení jsou nakonec založeny na faktorech, jako jsou:

  • Používané služby Azure.
  • Objem dat z hlediska počtu pacientů/zařízení a počtu aktivit a ingestovaných datových typů.
  • Požadavky na kapacitu a propustnost pro službu Event Hubs
  • Výpočetní prostředky potřebné k trénování a nasazení strojového učení, fondy Synapse Spark a clustery Databricks.
  • Řešení vizualizace a vytváření sestav, jako je Power BI.

Při implementaci tohoto řešení zvažte zásady uchovávání a archivace dat pro podkladové Azure Data Lake. Využijte výhod správy životního cyklu služby Azure Storage a poskytněte automatizovaný způsob, jak:

  • Přechod objektů blob souborů dolů na studenou úroveň přístupu
  • archivní vrstvy založené na tom, kdy byl soubor naposledy změněn.

Další informace o plánech Life365.health a cenách najdete v nabídce Data Connect api Connect Life365 na Webu Microsoft Azure Marketplace.

Efektivita výkonu

Efektivita výkonu je schopnost úlohy škálovat se tak, aby efektivním způsobem splňovala požadavky, které na ni kladou uživatelé. Další informace najdete v tématu Přehled pilíře efektivity výkonu.

Toto řešení poskytuje škálovatelnou architekturu téměř v reálném čase pro vzdálené monitorování pacientů. Je důležité potvrdit tok dat ve vícevrstvé vrstvě z rozhraní mezi zařízeními a rozhraním API Life365 pro příjem dat z rozhraní Life365 API a Azure Event Hubs do transformace ve službě MedTech ve službě Azure Health Data Service a nakonec na přírůstkový export a anonymizaci do formátu data Lake. Tok dat se proto zpracuje téměř v reálném čase a každá podřízená aplikace a/nebo integrace by měla být navržena jako taková. Výkon tohoto řešení se ale může škálovat tak, aby sloužil velkému počtu zařízení a pacientů na podnikové úrovni.

Přispěvatelé

Tento článek spravuje Microsoft. Původně byla napsána následujícími přispěvateli.

Hlavní autoři:

Pokud chcete zobrazit neveřejné profily LinkedIn, přihlaste se na LinkedIn.

Další kroky

Technologie a prostředky, které jsou relevantní pro implementaci této architektury: