Edit

Bagikan melalui

Pemantauan pasien jarak jauh

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

Sistem kesehatan, rumah sakit, dan praktik dokter besar beralih ke inisiatif rumah sakit di rumah (juga dikenal sebagai pemantauan pasien jarak jauh). Pemantauan pasien jarak jauh adalah subset perawatan klinis di mana aktivitas pasien dan data fisiologis dapat diakses dan dikirimkan menggunakan perangkat kesehatan jarak jauh sesuai dengan parameter rencana perawatan individual.

Artikel ini menyediakan panduan tentang cara merancang solusi menggunakan Azure Health Data Services dan perangkat untuk pemantauan pasien jarak jauh yang cerdas. Solusi ini akan membantu meringankan banyak tantangan integrasi perangkat yang terikat untuk dihadapi organisasi Anda saat membangun solusi seperti itu dalam skala besar.

Sistem

Diagram arsitektur arsitektur pemantauan pasien jarak jauh menggunakan perangkat layanan kesehatan dan layanan Azure.

Unduh file Visio arsitektur ini.

Aliran data

  1. Perangkat pasien menghasilkan data aktivitas dan fisiologis. Data kemudian diekstrak dari perangkat menggunakan salah satu SDK sumber terbuka (OSS) Microsoft yang tersedia dan diserap oleh Azure Event Hubs.

  2. Platform Life365.health mendukung 300+ perangkat yang menghasilkan data aktivitas dan fisiologis The Life365 API menyerap aktivitas dan data fisiologis dari perangkat pemantauan pasien ke Azure Event Hubs.

  3. Layanan Azure MedTech menarik pengukuran perangkat dari Azure Event Hubs, mengubahnya menjadi format FHIR Fast Healthcare Interoperability Resources (FHIR®), dan meneruskannya ke layanan Azure FHIR. Ruang kerja Azure Health Data Services adalah kontainer logis untuk instans layanan kesehatan, seperti layanan FHIR dan MedTech.

  4. Ruang kerja Azure Health Data Services mengirim pesan pemberitahuan kepada pelanggan peristiwa saat sumber daya FHIR dibuat, diperbarui, atau dihapus di layanan Azure FHIR. Pemberitahuan dapat dikirim ke beberapa titik akhir untuk memicu otomatisasi, termasuk memulai alur kerja atau mengirim email dan pesan teks.

  5. FHIR Analytics Pipelines secara bertahap mengekspor data FHIR non-anonim ke Azure Data Lake, membuatnya tersedia untuk analitik dengan berbagai layanan data Azure. Data yang diekspor juga dapat dianonimkan dengan memanfaatkan alat seperti Alat sumber terbuka Microsoft untuk Anonimisasi Data Kesehatan. Anonimisasi default didasarkan pada metode HIPAA Safe Harbor , yang dapat diperluas dan dimodifikasi sesuai kebutuhan.

    Penting

    Data FHIR yang diekspor dalam aliran data ini mentah, yang mencakup informasi PHI. Proses de-identifikasi dapat digunakan untuk menghapus pengidentifikasi pribadi dari data untuk tujuan penelitian atau berbagi. Jika Anda menginginkan himpunan data yang tidak diidentifikasi, Anda harus mengambil langkah-langkah untuk menganonimkan data sebelum mengekspornya, menggunakan alat seperti yang disebutkan di atas.

  6. Analisis lebih lanjut data FHIR dalam format Parquet dan JSON dilakukan menggunakan kumpulan Spark di layanan Azure Synapse, Azure Databricks, dan Azure Pembelajaran Mesin (ML).

  7. Tampilan SQL dibuat di kumpulan SQL Tanpa Server di Azure Synapse. Tampilan SQL dibuat untuk setiap sumber daya FHIR berdasarkan file Parquet di Azure Data Lake. Berdasarkan tampilan ini, teknisi dan pengembang data dapat menulis SQL asli di Microsoft SQL Management Studio, atau editor SQL lainnya, untuk mengkueri sumber daya FHIR.

  8. Power BI dan konektor Power Query untuk FHIR digunakan untuk mengimpor dan membentuk data langsung dari titik akhir FHIR Service API. Power BI juga menawarkan konektor Parquet dan SQL untuk mengakses sumber daya FHIR secara langsung dalam format Parquet atau melalui Tampilan SQL di Synapse.

Komponen

Perangkat

Perangkat konsumen

Microsoft menyediakan SDK sumber terbuka untuk memfasilitasi transfer data dari berbagai perangkat konsumen untuk diserap oleh Azure Event Hubs:

Life365.health didukung alat kesehatan

Platform Life365.health terintegrasi dengan lebih dari 300 perangkat pemantauan Bluetooth untuk penyerapan oleh Azure Event Hubs. Perangkat ini mencakup beberapa kategori dan OEM, mulai dari spirometer, termometer, timbangan berat badan, pengingat pil, pelacak aktivitas, meter glukosa darah, monitor tekanan darah, EKG / ECG, doppler janin, monitor denyut jantung, okksimister denyut nadi, pelacak tidur dan banyak lagi. Aplikasi Life365 juga memungkinkan perekaman pembacaan manual yang diambil dari perangkat non-Bluetooth. Arsitektur ini menggunakan API Life365 untuk menyerap pengukuran perangkat dari perangkat Life365 ke Dalam Azure Event Hubs.

Lainnya

Meskipun opsi di atas membantu mempermudah, arsitektur ini mendukung sumber data serupa yang dapat diserap dengan aman ke Azure Event Hubs, secara langsung atau tidak langsung melalui API perantara.

Layanan Azure (pengumpulan data dan penyimpanan)

  • Azure Event Hubs - layanan penyerapan data real-time yang dikelola sepenuhnya yang sederhana, tepercaya, dan dapat diskalakan. Alirkan jutaan peristiwa per detik dari sumber mana pun untuk membangun saluran data dinamis dan segera merespons tantangan bisnis. Dalam arsitektur ini digunakan untuk mengumpulkan dan menggabungkan data perangkat, untuk ditransfer ke Azure Health Data Services.

  • Azure Health Data Services adalah sekumpulan layanan API terkelola berdasarkan standar dan kerangka kerja terbuka yang memungkinkan alur kerja untuk meningkatkan layanan kesehatan dan menawarkan solusi layanan kesehatan yang dapat diskalakan dan aman. Layanan yang digunakan dalam arsitektur ini meliputi:

    • Ruang kerja Azure Health Data Services - menyediakan kontainer untuk instans Azure Health Data Services lainnya, yang membuat batas kepatuhan (HIPAA, HITRUST) tempat informasi kesehatan yang dilindungi dapat melakukan perjalanan.

    • Layanan Azure FHIR - memudahkan penyimpanan dan pertukaran informasi kesehatan (PHI) yang dilindungi dengan aman di cloud. Data perangkat diubah menjadi sumber daya Observasi berbasis FHIR untuk mendukung pemantauan pasien jarak jauh.

    • Layanan Azure MedTech - landasan Microsoft Cloud for Healthcare, digunakan untuk mendukung pemantauan pasien jarak jauh. MedTech adalah Platform as a service (PaaS) yang memungkinkan Anda mengumpulkan data mendekati real-time dari beragam perangkat medis dan mengubahnya menjadi format layanan yang sesuai dengan FHIR dan menyimpannya dalam layanan FHIR. Kemampuan terjemahan data perangkat layanan MedTech memungkinkan untuk mengubah berbagai data menjadi format FHIR terpadu yang menyediakan manajemen data kesehatan yang aman di lingkungan cloud.

      Layanan MedTech penting untuk pemantauan pasien jarak jauh karena data layanan kesehatan dapat sulit diakses atau dianalisis ketika berasal dari perangkat, sistem, atau format yang beragam atau tidak kompatibel. Informasi medis yang tidak mudah diakses dapat menjadi hambatan dalam mendapatkan wawasan klinis dan rencana perawatan kesehatan pasien. Kemampuan untuk menerjemahkan data kesehatan ke dalam format FHIR terpadu memungkinkan layanan MedTech untuk berhasil menautkan perangkat, data kesehatan, lab, dan perawatan langsung jarak jauh. Akibatnya, kemampuan ini dapat memfasilitasi penemuan wawasan klinis penting dan tangkapan tren, mendukung dokter, tim perawatan, pasien, dan keluarga. Ini juga dapat membantu membuat koneksi ke aplikasi perangkat baru dan mengaktifkan proyek penelitian tingkat lanjut. Sama seperti rencana perawatan dapat di individualisasi per kasus penggunaan, skenario pemantauan pasien jarak jauh dan kasus penggunaan dapat bervariasi per kebutuhan individual.

  • Azure Event Grid - layanan peristiwa Azure Health Data Services menghasilkan peristiwa setiap kali sumber daya FHIR dibuat, diperbarui, atau dihapus (CUD). Peristiwa ini dapat disiarkan oleh Azure Event Grid kepada konsumen hilir untuk bertindak berdasarkan data berbasis peristiwa.

Layanan dan alat Azure (analitik data)

  • Alur Analitik FHIR - proyek OSS yang digunakan untuk membangun komponen dan alur untuk persegi panjang dan memindahkan data FHIR, dari server Azure FHIR ke Azure Data Lake. Dalam arsitektur ini, data dikonversi ke format JavaScript Object Notation (JSON) dan Parquet , membuatnya tersedia untuk analitik dengan berbagai layanan data Azure.

  • Alat untuk Anonimisasi Data Kesehatan - proyek OSS yang didukung oleh tim Microsoft Healthcare membantu menganonimkan data layanan kesehatan, lokal atau di cloud, untuk penggunaan sekunder seperti penelitian, kesehatan publik, dan banyak lagi. Mesin inti anonimisasi menggunakan file konfigurasi untuk menentukan parameter yang berbeda, serta metode anonimisasi untuk elemen data dan jenis data yang berbeda.

  • Azure Synapse Analytics - layanan analitik tanpa batas yang menyatukan integrasi data, pergudangan data perusahaan, dan analitik big data. Ini memberi Anda kebebasan untuk mengkueri data pada istilah Anda, menggunakan opsi tanpa server atau khusus—dalam skala besar. Azure Synapse menyatukan dunia-dunia ini dengan pengalaman terpadu untuk menyerap, menjelajahi, menyiapkan, mengubah, mengelola, dan melayani data untuk kebutuhan BI dan pembelajaran mesin segera.

  • Kumpulan Apache Spark - Apache Spark adalah kerangka kerja pemrosesan paralel yang mendukung pemrosesan dalam memori untuk meningkatkan performa aplikasi analitik big data. Apache Spark di Azure Synapse Analytics adalah salah satu implementasi Microsoft dari Apache Spark di cloud. Azure Synapse memudahkan pembuatan dan konfigurasi kumpulan Apache Spark tanpa server di Azure. Kumpulan spark di Azure Synapse kompatibel dengan Azure Storage dan Azure Data Lake Generation 2 Storage. Jadi Anda dapat menggunakan kumpulan Spark untuk memproses data Anda yang disimpan di Azure.

  • Azure Databricks - platform analitik data yang dioptimalkan untuk platform layanan cloud Microsoft Azure. Databricks menyediakan platform analitik terpadu untuk analis data, insinyur data, ilmuwan data, dan insinyur pembelajaran mesin. Tiga lingkungan ditawarkan untuk mengembangkan aplikasi intensif data: Databricks SQL, Databricks Ilmu Data & Engineering, dan Databricks Pembelajaran Mesin.

  • Azure ML - layanan cloud Azure untuk mempercepat dan mengelola siklus hidup proyek pembelajaran mesin. Tenaga ahli pembelajaran mesin, ilmuwan data, dan teknisi dapat menggunakannya dalam alur kerja sehari-hari mereka: Melatih dan menyebarkan model, dan mengelola MLOps. Anda dapat membuat model dalam Azure Machine Learning atau menggunakan model yang dibangun dari platform sumber terbuka, seperti Pytorch, TensorFlow, atau scikit-learn. Alat MLOps membantu Anda memantau, melatih ulang, dan menyebarkan ulang model.

  • Power BI - menyediakan analitik layanan mandiri dalam skala perusahaan, memungkinkan Anda untuk:

    • Buat budaya berbasis data dengan kecerdasan bisnis untuk semua.
    • Jaga keamanan data Anda dengan kemampuan keamanan data terdepan di industri termasuk pelabelan sensitivitas, enkripsi end-to-end, dan akses real time monitoring.is digunakan untuk analisis lebih lanjut data FHIR.

  • Konektor Power Query yang digunakan dengan Power BI meliputi:

    • Konektor sumber data file parquet - digunakan untuk mengakses data file Azure Data Lake Parquet.
    • Konektor Power Query untuk FHIR - digunakan untuk mengimpor dan membentuk data dari server FHIR.
    • Konektor sumber data Azure Synapse Analytics SQL - digunakan untuk membuat kueri SQL terhadap Azure Synapse Analytics.

  • SQL Server Management Studio - aplikasi desktop yang digunakan untuk membuat kueri SQL asli terhadap penyimpanan data SQL, seperti kumpulan SQL Azure Synapse Analytics.

Alternatif

Life365.health

Keuntungan dari Life365.health adalah bahwa dengan satu titik integrasi, Anda dapat mendorong pengukuran dari berbagai perangkat dalam ekosistem Life365 ke Azure Health Data Services. API perangkat lain yang dapat dipakai ada, seperti Garmin Activity API dan Polar AccessLink API, yang pola integrasi serupa dapat dicapai. Namun, API ini eksklusif untuk pengukuran dari perangkat produsen mereka sendiri, seperti Garmin dan Polar masing-masing.

Perangkat dan pasien perlu ditentukan, ditautkan, dan disinkronkan antara Azure Health Data Services dan LIFE365 API. Konfigurasi ini dapat dicapai dengan menyinkronkan ID pasien dan perangkat antara Azure Health Data Services dan Life365 API. Intinya, pasien dan perangkat baru dibuat dan ditautkan di Layanan Azure FHIR terlebih dahulu. Kemudian pasien dan perangkat yang sesuai dibuat dan ditautkan dalam API Life365. ID pasien dan perangkat, pertama kali dibuat di Azure Health Data Services, kemudian akan diperbarui sebagai ID eksternal di masing-masing entitas pasien dan perangkat di API Life365.

Microsoft Cloud for HealthCare

Contoh beban kerja ini membahas salah satu cara menerapkan solusi pemantauan pasien jarak jauh. Microsoft Cloud for Healthcare juga menyediakan solusi pemantauan pasien jarak jauh. Untuk informasi selengkapnya tentang solusi tersebut , lihat tur berpemandu pemantauan pasien jarak jauh.

Detail skenario

Ada plenitude alat medis dan bisa dipakai/konsumen di luar sana hari ini. Untuk mengakses pengukuran/pembacaan perangkat, banyak perangkat pemantauan di rumah (seperti perangkat tekanan darah atau skala) menyediakan konektivitas Bluetooth (seperti Bluetooth Low Energy, atau versi standar Bluetooth lainnya yang lebih lama). Ada juga perangkat yang dapat dikenakan konsumen, serta perangkat di rumah yang lebih canggih yang menyediakan konektivitas API untuk mengakses pengukuran perangkat. Dalam hal ini perangkat dapat menyinkronkan pembacaan langsung ke API (diaktifkan Wifi) atau terhubung ke aplikasi seluler di ponsel pintar (melalui Bluetooth), memungkinkan aplikasi untuk menyinkronkan pembacaan kembali ke API.

Pernyataan masalah

Mengingat berbagai pilihan perangkat medis dan konektivitas yang dapat dipakai dan di rumah (dari spesifikasi Bluetooth ke API), dikalikan dengan jumlah pasien dalam organisasi layanan kesehatan, integrasi data dan orkestrasi dapat menjadi tugas yang menakutkan.

Kemungkinan kasus penggunaan

  • Uji klinis dan penelitian - Membantu tim peneliti klinis mengintegrasikan dan menawarkan berbagai perangkat medis di rumah dan dapat dikenakan kepada peserta studi. Dengan kata lain, tawarkan opsi quasi-Bring-Your-Own-Device (BYOD) kepada peserta studi Anda.

  • Data science dan analitik kesehatan populasi – Aktivitas dan data fisiologis akan tersedia dalam format standar FHIR industri, serta format data sumber terbuka lainnya (JSON dan Parquet). Selain format data, konektor asli disediakan untuk membantu analisis dan transformasi data. Termasuk konektor seperti konektor Power BI untuk FHIR, tampilan Synapse Serverless SQL dan kluster Spark di Synapse.

    Solusi ini juga menyediakan metode berparameter untuk menganonimkan himpunan data untuk tujuan penelitian yang tidak diidentifikasi. "Data penggunaan sekunder" ini dapat dianalisis dan digunakan untuk menemukan praktik terbaik dan mendukung alur kerja berbasis bukti klinis. Pengamatan yang disimpan di server FHIR dapat digunakan untuk menemukan variansi dan alur kerja yang mempromosikan hasil dan praktik terbaik.

  • Aktifkan penyedia layanan kesehatan - Penyedia akan dapat:

    • mendapatkan wawasan yang lebih baik tentang status kesehatan pasien
    • membuat model perawatan kesehatan digital proaktif untuk perawatan medis pencegahan
    • mengambil tindakan yang lebih terinformasi berdasarkan indikator/pemberitahuan fisiologis
    • menyediakan jalur untuk penggantian biaya pemantauan fisiologi jarak jauh

  • Kuesioner Hasil yang Dilaporkan Pasien (PRO) dan perawatan berbasis PRO - Dengan menggunakan peristiwa dan kuesioner PRO, rencana perawatan individual dan alur kerja varians perawatan dapat dibuat. Pasien diizinkan untuk memiliki lebih banyak otonomi dan kontrol atas rencana perawatan individual, yang membantu adopsi dan penggunaan berkelanjutan. Perawatan berbasis PRO juga dapat membantu dalam memecahkan kesenjangan dalam pendidikan dan hasil pasien. Dengan menautkan kuesioner dan PRO pendidikan, RPM dapat digunakan untuk mendukung pengobatan, pengobatan, dan/atau perawatan tindak lanjut, dengan menjawab pertanyaan seperti:

    • Apakah pasien mengambil BP mereka dengan benar?
    • Apakah skala digunakan pada waktu dan frekuensi yang tepat?
    • Apakah kita melakukan perulangan dalam RTO untuk adopsi pasien dan perencanaan perawatan individual?

    Untuk pasien yang menggunakan perangkat iOS, aplikasi kuesioner dapat dibuat menggunakan Apple ResearchKit. Data kuesioner diserap oleh Azure Event Hubs dan tersedia melalui layanan FHIR, sama seperti aktivitas pasien perangkat dan data fisiologis.

  • Memungkinkan beberapa jenis dan perangkat kesehatan yang lebih tepat - Gunakan perangkat medis medis dan rumah untuk menghasilkan data kesehatan hampir real time untuk penyerapan dan analisis data.

Pertimbangan

Pertimbangan ini membahas pilar Azure Well-Architected Framework, yang merupakan serangkaian tenet panduan yang dapat digunakan untuk meningkatkan kualitas beban kerja. Untuk informasi selengkapnya, lihat Microsoft Azure Well-Architected Framework.

Keandalan

Keandalan memastikan aplikasi Anda dapat mencapai komitmen yang Anda buat kepada pelanggan Anda. Untuk informasi selengkapnya, lihat Gambaran Umum pilar keandalan.

Ketersediaan data klinis dan wawasan sangat penting bagi banyak organisasi layanan kesehatan. Berikut adalah cara untuk meminimalkan waktu henti layanan Azure yang ditunjukkan dalam solusi ini:

Keamanan

Keamanan memberikan jaminan terhadap serangan yang disukai dan penyalahgunaan data dan sistem berharga Anda. Untuk informasi selengkapnya, lihat Gambaran Umum pilar keamanan.

Data pelayanan kesehatan sering kali mencakup informasi kesehatan yang dilindungi (PHI) dan informasi pribadi yang sensitif. Sumber daya berikut tersedia untuk mengamankan data ini:

  • Data Lake Storage menggunakan kontrol akses berbasis peran Azure (RBAC) dan daftar kontrol akses (ACL) untuk membuat model kontrol akses

  • Azure Health Data Services adalah kumpulan layanan terkelola aman menggunakan ID Microsoft Entra, idP global yang mendukung OAuth 2.0. Saat Anda membuat layanan baru Azure Health Data Services, data Anda dienkripsi menggunakan kunci terkelola Microsoft secara default. Lihat Autentikasi dan Otorisasi untuk Azure Health Data Services untuk detail selengkapnya.

  • Azure Event Hubs menyediakan enkripsi data tidak aktif dengan Azure Storage Service Encryption (SSE). Dengan demikian, aturan FIREWALL IP dapat diterapkan di Tingkat namespace Layanan Azure Event Hubs. Akses ke titik akhir privat dan jaringan virtual juga dapat dikonfigurasi.

  • Synapse RBAC memperluas kemampuan Azure RBAC untuk ruang kerja Synapse dan kontennya. RBAC Azure digunakan untuk mengelola pihak dapat membuat, memperbarui, atau menghapus ruang kerja Synapse dan kumpulan SQL-nya, kumpulan Apache Spark, dan runtime Integrasi.

Pengoptimalan biaya

Optimalisasi biaya adalah tentang mencari cara untuk mengurangi pengeluaran yang tidak perlu dan meningkatkan efisiensi operasional. Untuk informasi selengkapnya, lihat Gambaran umum pilar pengoptimalan biaya.

Harga untuk banyak komponen Azure dapat ditemukan di Kalkulator Harga Azure. Pada akhirnya, harga untuk solusi ini didasarkan pada faktor-faktor seperti:

  • Layanan Azure yang digunakan.
  • Volume data, dalam hal jumlah pasien/perangkat dan jumlah jenis data aktivitas dan fisiologis yang diserap.
  • Persyaratan kapasitas dan throughput untuk Azure Event Hubs.
  • Komputasi sumber daya yang diperlukan untuk melakukan pelatihan dan penyebaran pembelajaran mesin, Synapse Spark Pools dan kluster Databricks.
  • Solusi visualisasi dan pelaporan, seperti Power BI.

Saat menerapkan solusi ini, pertimbangkan kebijakan retensi dan pengarsipan data untuk Azure Data Lake yang mendasar. Manfaatkan manajemen siklus hidup Azure Storage untuk menyediakan cara otomatis untuk:

  • blob file transisi ke tingkat akses dingin
  • tingkat arsip berdasarkan kapan file terakhir diubah.

Untuk mempelajari selengkapnya tentang paket dan harga Life365.health, tinjau penawaran Data Life365 API Connect di Microsoft Marketplace Azure

Efisiensi kinerja

Efisiensi performa adalah kemampuan beban kerja Anda untuk diskalakan agar memenuhi permintaan yang diberikan oleh pengguna dengan cara yang efisien. Untuk informasi selengkapnya, lihat Gambaran umum pilar efisiensi performa.

Solusi ini menyediakan arsitektur mendekati realtime yang dapat diskalakan untuk pemantauan pasien jarak jauh. Penting untuk mengakui aliran data multilapis dari antarmuka antara perangkat dan LIFE365 API, hingga penyerapan dari Life365 API dan Azure Event Hubs, ke transformasi dalam MedTech Service di Azure Health Data Service, dan terakhir ke ekspor dan anonimisasi bertahap ke format data lake. Oleh karena itu, aliran data akan diproses dalam waktu dekat dan aplikasi hilir dan/atau integrasi apa pun harus dirancang seperti itu. Namun, performa solusi ini dapat menskalakan ke melayani sejumlah besar perangkat dan pasien di tingkat perusahaan.

Kontributor

Artikel ini dikelola oleh Microsoft. Ini awalnya ditulis oleh kontributor berikut.

Penulis utama:

Untuk melihat profil LinkedIn non-publik, masuk ke LinkedIn.

Langkah berikutnya

Teknologi dan sumber daya yang relevan dengan penerapan arsitektur ini: