Kliniske og driftsmæssige analyser i dataskyen

Sundhedsorganisationer flytter analyser til skyen for at opnå fleksibilitet, robusthed og skalerbarhed. Microsoft-kunder udnytter Azure Data Factory eller Azure Synapse Analytics Data Flows til at masseindsætte data fra det lokale miljø i skyen og opbevare dem i Azure Synapse Analytics eller i en rå Azure Data Lake.

Administration af data er ikke en ny udfordring, men det bliver sværere at håndtere dem. Da data findes i forskellige skemaer, metadata og relationer, skal der gøres en stor indsats for at standardisere dataene. Nøglen til succes ligger i opbygning af intelligente systemer baseret på avancerede og standardbaserede datamodeller. Healthcare -databaseskabelonerne giver dig oplysningsplaner for sundhedstjenester (udbyder), sygesikring (betaler), R&D og kliniske test, genomik, medicinalvarer og detail (apotek) for at aktivere datakonsortier. Endelig vil sundhedsorganisationer, der er interesseret i at udvikle metoder til at "lære" af data, implementere handlinger for maskinel indlæring for at installere og vedligeholde modeller i produktionen på en pålidelig og effektiv måde.

For at forbedre indsigt i sundhedsdata bruger kunderne Azure-tjenester til at indsamle, lagre, behandle og visualisere data. Disse data kan bruges upstream til maskinel indlæring og til at levere funktioner til kunstig intelligens.

Hent en PDF-fil, der kan udskrives, med dette diagram over referencearkitekturen.

Klinisk og driftsmæssig indsigt

Når Data Lake indsætter dataene er i en standardform, kan du bruge tjenester som Azure Machine Learning til at opbygge og oplære AI-modeller med henblik på dataforbedring. Den AI, der genereres fra Azure Machine Learning, kan bruges i tjenester som Dynamics 365 Customer Insights eller Power BI til at generere yderligere indsigt i dataene.