MedTech-Dienst und Azure Machine Learning Service
Hinweis
Fast Healthcare Interoperability Resources (FHIR®) ist eine offene Spezifikation für das Gesundheitswesen.
In diesem Artikel erfahren Sie mehr über die Verwendung des MedTech-Diensts und des Azure Machine Learning Service.
Referenzarchitektur des MedTech-Diensts und azure Machine Learning Service
Der MedTech-Dienst ermöglicht es IoT-Geräten, sich nahtlos in FHIR-Dienste zu integrieren. Diese Referenzarchitektur wurde entwickelt, um die Einführung von IoT-Projekten (Internet of Things) zu beschleunigen. Diese Lösung verwendet Azure Databricks für machine Learning (ML)-Compute. Azure Machine Learning Services mit Kubernetes oder einer ML-Partnerlösung könnte jedoch in die Machine Learning-Bewertungsumgebung passen.
Die vier Linienfarben zeigen die verschiedenen Teile der Data Journey.
- Blau = IoT-Daten für den FHIR-Dienst.
- Grün = Datenpfad zum Bewerten von IoT-Daten
- Rot = Heißer Pfad für Daten, um Kliniker über das Patientenrisiko zu informieren. Das Ziel des heißen Pfads ist es, so nah wie möglich an Echtzeit zu sein.
- Orange = Warmer Pfad für Daten. Unterstützung von Klinikern in der Patientenversorgung. Datenanforderungen werden in der Regel manuell oder nach einem Aktualisierungszeitplan ausgelöst.
Datenerfassung: Schritte 1 bis 5
- Daten vom IoT-Gerät oder über das Gerätegateway, die an Azure IoT Hub/Azure IoT Edge gesendet werden.
- Daten aus Azure IoT Edge an Azure IoT Hub gesendet.
- Kopie der rohen IoT-Gerätedaten, die für die Geräteverwaltung an eine sichere Speicherumgebung gesendet werden.
- IoT-Nutzlast wechselt von Azure IoT Hub zum MedTech-Dienst. Das MedTech-Dienstsymbol stellt mehrere Azure-Dienste dar.
- Drei Teile bis Nummer fünf:
- Der MedTech-Dienst fordert die Ressource Patient vom FHIR-Dienst an.
- Der FHIR-Dienst sendet die Ressource Patient zurück an den MedTech-Dienst.
- Die IoT-Patientenbeobachtung wird im FHIR-Dienst erfasst.
Machine Learning- und KI-Datenroute: Schritte 6 bis 11
- Normalisierter, nicht gruppierter Datenstrom, der an eine Azure-Funktion (ML-Eingabe) gesendet wird.
- Die Azure-Funktion (ML Input) fordert die Patientenressource an, mit der IoT-Nutzlast zusammenzuführen.
- IoT-Nutzlast wird an einen Event Hub zur Verteilung an Machine Learning-Compute und -Speicher gesendet.
- IoT-Nutzlast wird an Azure Data Lake Storage Gen 2 gesendet, um die Beobachtung über längere Zeitfenster zu bewerten.
- IoT-Nutzlast wird zur Fenstererstellung, Datenanpassung und Datenbewertung an Azure Databricks gesendet.
- Azure Databricks fordert bei Bedarf mehr Patientendaten aus Data Lake an.
- Azure Databricks sendet auch eine Kopie der bewerteten Daten an den Data Lake.
Benachrichtigungs- und Betreuungskoordination: Schritte 12 - 18
Langsamster Pfad
- Azure Databricks sendet eine Nutzlast an eine Azure-Funktion (ML-Ausgabe).
- An den FHIR-Dienst übermittelte RiskAssessment- und/oder Flag-Ressource.
- Für jedes Beobachtungsfenster wird eine RiskAssessment-Ressource an den FHIR-Dienst übermittelt.
- Für Beobachtungsfenster, in denen die Risikobewertung außerhalb des zulässigen Bereichs liegt, sollte auch eine Flag-Ressource an den FHIR-Dienst übermittelt werden.
- Bewertete Daten, die an das Datenrepository für das Routing an das entsprechende Pflegeteam gesendet werden. Azure SQL Server ist das Datenrepository, das in diesem Entwurf aufgrund seiner nativen Interaktion mit Power BI verwendet wird.
- Das Power BI-Dashboard wird in weniger als 15 Minuten mit der Ausgabe der Risikobewertung aktualisiert.
Warmer Pfad
- Power BI aktualisiert Dashboard nach dem Datenaktualisierungszeitplan. In der Regel länger als 15 Minuten zwischen Aktualisierungen.
- Füllen Sie die Care Team-App mit aktuellen Daten.
- Betreuungskoordination über Microsoft Teams for Healthcare Patienten-App.
Nächste Schritte
In diesem Artikel haben Sie mehr über den MedTech-Dienst und die Integration des Machine Learning-Diensts erfahren.
Eine Übersicht über den MedTech-Dienst finden Sie unter
Weitere Informationen zur Nachrichtendatentransformation des MedTech-Dienstgeräts finden Sie unter
Weitere Informationen zu Methoden zum Bereitstellen des MedTech-Diensts finden Sie unter
FHIR® ist eine eingetragene Marke von Health Level Seven International, eingetragen im U.S. Trademark Office und wird mit deren Genehmigung verwendet.