Edit

Bagikan melalui

Wawasan klinis dengan Microsoft Cloud untuk Perawatan Kesehatan

Microsoft Cloud for Healthcare
Azure Synapse Analytics
Azure Machine Learning
Power Automate
Dynamics 365

Dengan menggunakan Microsoft Cloud for Healthcare, Anda dapat membangun solusi untuk meningkatkan wawasan klinis dan operasional. Artikel ini membahas salah satu potensi solusi tersebut, dan didasarkan pada pengetahuan yang dipelajari dari Kesehatan virtual di Microsoft Cloud for Healthcare.

Sistem

Insight klinis menggunakan Microsoft Cloud for Healthcare

Unduh file Visio yang berisi diagram arsitektur ini.

Dalam diagram arsitektur dan dalam artikel ini istilah ED mengacu pada departemen darurat fasilitas layanan kesehatan —departemen yang mengkhususkan diri dalam pengobatan darurat dan perawatan akut pasien.

Seperti dalam kesehatan Virtual di Microsoft Cloud for Healthcare, kotak bergaris biru dalam diagram arsitektur ini mewakili layanan Microsoft yang merupakan layanan atau add-on yang mendasari yang diperlukan untuk Microsoft Cloud for Healthcare. Masing-masing layanan ini dilisensikan secara terpisah.

Seperti dalam solusi sebelumnya, data mengalir ke arsitektur ini melalui sistem medis eksternal, seperti jadwal pasien dan penyedia, catatan medis, perangkat yang dapat dipakai, dan sebagainya, dan kemudian diserap dengan menggunakan Azure. Proses ini juga dapat menyerap data terstruktur lain yang diperlukan untuk insight tertentu, seperti data keuangan. Data ini kemudian disimpan di Microsoft Dataverse dalam format Common Data Model (CDM), untuk digunakan oleh komponen Dynamics 365 dan Power BI dalam solusi ini.

Aliran data

Solusi ini mendukung aliran data berikut untuk setiap grup pengguna yang ditunjukkan dalam diagram:

  1. Manajer perawatan. Melanjutkan dari alur kunjungan virtual, manajer perawatan dapat meninjau catatan pasien saat ini melalui Teams, dengan bantuan antrean pemantauan pasien. Aplikasi Dynamics 365 ini menyediakan daftar pasien bersama dengan skor indeks untuk masing-masing yang menunjukkan urgensi menghadirinya. Manajer perawatan dapat memilih pasien dengan skor indeks tertinggi, dan melihat informasi seperti catatan medis, rencana perawatan, dan janji temu, di aplikasi manajemen perawatan. Aplikasi ini juga dapat menunjukkan wawasan tentang gaya hidup harian pasien dengan menarik data seperti denyut jantung dari perangkat IoMT terdaftar mereka, mendekati real time. Aplikasi ini melacak data perangkat masuk dan menampilkannya dengan visualisasi Power BI kustom. Ambang diatur untuk setiap metrik perangkat dan, jika terlampaui, Power Automate memicu pemberitahuan wawasan penjualan dalam aplikasi. Ambang batas dan pemberitahuan ini dapat diatur untuk setiap pasien satu per satu. Jika perlu, manajer pelayanan dapat memanggil pasien langsung dari Teams, menggunakan informasi kontak yang disimpan di Dataverse.

  2. Admin ED. Pasien yang perlu mengunjungi ED dapat mengoordinasikan transportasi dengan manajer perawatan. Admin ED bertanggung jawab atas sumber daya dan jadwal di departemen. Sumber daya seperti penggunaan tempat tidur, kamar, dan personel, serta tren dalam peristiwa asupan dan readmission, dipantau dengan laporan Power BI yang disesuaikan untuk departemen dan terintegrasi dengan Teams. Laporan ini dibuat menggunakan data rumah sakit dan pasien yang disimpan di Dataverse, dan dianalisis oleh Azure Synapse. Antrean ED, sumber daya web Dynamics 365 kustom, menampilkan antrean pasien masuk pada berbagai tahap seperti dalam transit, check-in, asupan, penugasan kamar, dan sebagainya. Admin UGD dapat menggunakan informasi ini untuk melakukan triase pasien berdasarkan waktu kedatangan dan kondisi medis mereka. Pohon keputusan dibuat dengan alur Power Automate, yang mengotomatiskan tugas yang diperlukan untuk perawatan pasien. Contoh tugas tersebut adalah penugasan ruang atau ICU, penyiapan peralatan medis, pemesanan tes yang diperlukan, dan penugasan kepada staf medis yang tersedia. Laporan dan tugas otomatis ini mendukung perawatan pasien dan manajemen ED yang efisien.

  3. Dokter spesialis. Admin ED menetapkan dokter spesialis untuk meninjau tes yang direkomendasikan untuk pasien. Misalnya, jika diperlukan pemeriksaan X-ray, pulmonologist ditugaskan untuk memeriksanya. Menyimpan hasil pengujian memicu Power Automate, yang menampilkan pemberitahuan Sales Insights dalam tampilan dokter tentang aplikasi manajemen perawatan. Pengujian seperti sinar-X dianggap sebagai data yang tidak terstruktur. Data ini ditarik ke Azure Synapse melalui Azure Data Lake, dan dimasukkan ke dalam model pembelajaran mesin kustom untuk menginterpretasikan hasilnya. Interpretasi ini dapat membantu dokter membuat diagnosis dan merencanakan perawatan.

    Aplikasi penentu sosial, aplikasi kanvas yang dibuat khusus untuk solusi ini, memberikan wawasan tentang kondisi sosial ekonomi pasien. Data ini dapat membantu dokter untuk meresepkan rencana perawatan yang mungkin diikuti pasien. Visualisasi Power BI dalam aplikasi manajemen perawatan menampilkan tren keberhasilan perawatan untuk kondisi medis pasien, menggunakan metrik kesehatan populasi agregat, demografi, faktor sosial, dan data lain yang tersedia dalam catatan rumah sakit. Aplikasi ini dapat dirancang untuk menggunakan data medis yang tersedia untuk umum dari penelitian yang didanai pemerintah. Visualisasi ini dapat membantu dokter memilih rencana perawatan dengan tingkat keberhasilan terbaik. Data yang dimasukkan ke dalam visualisasi ini ditarik melalui Azure Data Lake. Rencana perawatan yang dipilih disimpan di Dataverse untuk digunakan nantinya.

  4. Pasien. Ketika diberhentikan dengan rencana perawatan, pasien diminta untuk menjawab survei kepuasan di portal pasien. Ini adalah formulir Customer Voice. Hasil survei disimpan di Dataverse untuk menghasilkan wawasan operasional tentang fasilitas layanan kesehatan.

    Pasien menggunakan portal pasien untuk melihat rencana perawatan yang direkomendasikan dokter. Portal juga dapat memberikan materi edukasi untuk membantu pasien memahami rencana perawatan.

  5. Admin rumah sakit. Laporan Power BI yang disesuaikan untuk admin rumah sakit memberikan wawasan tentang metrik perawatan kesehatan utama, seperti tingkat penerimaan pasien, lama tinggal, rasio staf-ke-pasien, kepuasan pasien, dan biaya. Insight ini dapat membantu meningkatkan manajemen pelayanan kesehatan. Laporan ini dibuat menggunakan data yang dikumpulkan oleh Azure Synapse dari beberapa sistem, seperti catatan kunjungan pasien, data keuangan, dan skor sentimen yang dikumpulkan dari survei pasien. Laporan tersebut dapat membantu admin rumah sakit dalam mendeteksi kekurangan operasional. Misalnya, jika rumah sakit memiliki tingkat readmission yang tinggi, admin dapat menggunakan laporan ini untuk menemukan departemen yang memiliki pembacaan terbanyak, lalu memecahkan masalah dan memperbaiki masalah yang mendasar.

    Laporan Power BI terintegrasi dengan Microsoft Teams sehingga dapat dengan mudah dibagikan dengan departemen lain dengan menggunakan saluran Teams, menghasilkan komunikasi yang lebih cepat dan kolaborasi yang lebih baik. Akses ke laporan ini dapat dikontrol dengan mengatur tingkat izin menurut departemen atau pengguna.

Komponen

Sebagian besar komponen yang digunakan dalam solusi ini dirinci dalam Kesehatan virtual di Microsoft Cloud for Healthcare. Komponen berikut juga digunakan:

  • Azure - Synapse Analytics. Azure Synapse Analytics digunakan untuk menunjukkan bagaimana data medis yang tidak terstruktur seperti hasil tes diagnostik, data pasien seperti riwayat medis, dan metrik kesehatan sehari-hari dapat ditafsirkan oleh algoritma pembelajaran mesin. Temuan yang dihasilkan mesin ini membantu penyedia medis dalam mendiagnosis dan merawat pasien.

  • Azure Data Lake Storage. Azure Data Lake Storage menyediakan gudang data yang cepat dan aman untuk Azure Synapse Analytics. Tidak seperti gudang data tradisional, setelah sejumlah besar data yang diperlukan untuk analitik disimpan di Azure Data Lake, data siap untuk dikueri. Ini menghilangkan pemuatan berulang.

  • Pembelajaran Mesin Azure. Solusi ini menggunakan Azure Machine Learning untuk menunjukkan potensi penggunaan sebagai asisten penyedia layanan kesehatan. Ini dapat dimodelkan untuk menggunakan data medis yang tersedia untuk umum dan hasil tes diagnostik untuk memberikan wawasan tambahan tentang kondisi medis pasien. Tanggung jawab diagnostik akhir terletak pada profesional medis.

  • Power BI. Dengan Power BI, memvisualisasikan data dalam jumlah besar memudahkan untuk mengasimilasi wawasan dan mengidentifikasi pola atau tren. Lihat Jenis visualisasi di Power BI dan Visualisasi dalam laporan Power BI untuk mempelajari cara membuat visualisasi Power BI yang berbeda. Anda dapat menggunakan Microsoft Teams untuk berbagi visual di seluruh departemen untuk meningkatkan kolaborasi. Lihat Berkolaborasi dengan Power BI di Microsoft Teams, Outlook, dan Office untuk informasi selengkapnya.

    Solusi ini menggunakan Azure Synapse Analytics untuk membuat visualisasi Power BI berikut:

    • Dasbor Power BI terintegrasi dengan Teams untuk ED yang menyediakan rekam jepret berikut:
      • Jumlah pasien yang menunggu
      • Waktu tunggu
      • Status tempat tidur
      • Proyeksi hunian tempat tidur
      • Metrik ED lainnya.
    • Dasbor kesehatan populasi yang membantu penyedia membandingkan efektivitas rencana perawatan dengan demografi dan kondisi serupa.
    • Analitik dan laporan lintas departemen untuk administrasi rumah sakit.

  • Power Automate. Power Automate menyediakan platform tanpa kode dan kode rendah untuk mengotomatiskan tugas manual berulang. Setiap alur kerja yang dibuat khusus untuk bisnis atau skenario dan, dengan demikian, secara inheren disesuaikan. Dalam solusi ini, Power Automate menyerap data yang disimpan di Dataverse dan menjalankan alur otomatis untuk bertindak, seperti mengirim pemberitahuan saat data berubah. Lihat Membuat alur cloud yang menggunakan Microsoft Dataverse untuk informasi tentang membuat alur berbasis data yang dikustomisasi.

    Alur Power Automate juga digunakan untuk mengotomatiskan prosedur di ED, seperti penetapan ruang dan staf.

  • Dynamics 365 Sales Insights. Solusi ini menggunakan Sales Insights, add-in Dynamics 365, untuk memberikan pemberitahuan dan pemberitahuan untuk peristiwa berikut:

    • Perangkat yang dapat dipakai pasien melebihi ambang batas prasetel untuk metrik kesehatan, seperti detak jantung.
    • Hasil pengujian diagnostik baru tersedia.

    Notifikasi ini dipicu dari alur Power Automate. Lihat Membuat kartu wawasan kustom untuk informasi tentang membuat alur otomatisasi yang terintegrasi dengan Sales Insights.

  • Antrean pemantauan pasien. Ini adalah sumber daya web Dynamics 365 kustom, dan bukan bagian dari Microsoft Cloud for Healthcare. Ini menyediakan manajer perawatan dengan data pasien agregat dari beberapa sumber, dan merupakan titik masuk yang disesuaikan untuk aplikasi manajemen perawatan untuk mengakses informasi pasien individu. Ini terintegrasi dengan Microsoft Teams untuk menyediakan platform yang konsisten. Ini juga menampilkan urgensi perhatian medis untuk setiap pasien, dalam bentuk skor indeks. Skor ini dapat berasal dari data perangkat pasien dan kondisi medis yang diketahui.

  • Antrean ED. Ini adalah sumber daya web Dynamics 365 kustom, dan bukan bagian dari Microsoft Cloud for Healthcare. Admin ED menggunakan antrean ini untuk mengambil informasi medis dan waktu kedatangan pasien yang masuk, dan juga urgensi perawatan mereka. Ini membantu triase admin lebih efisien dan memulai alur kerja otomatis dengan menggunakan Power Automate untuk menetapkan sumber daya berdasarkan kondisi medis pasien.

  • Determinan sosial. Ini adalah aplikasi Power BI Canvas yang menampilkan faktor sosial ekonomi pasien kepada penyedia medis. Informasi ini dikumpulkan menggunakan kuesioner terstandardisasi, dan membantu memprediksi seberapa baik pasien akan mematuhi rencana perawatan. Data ini dikumpulkan selama kunjungan pasien, dan disimpan di Dataverse untuk menginformasikan keputusan di masa mendatang.

  • Suara pelanggan. Customer Voice Dynamics 365 adalah aplikasi manajemen umpan balik perusahaan. Ini digunakan untuk mendapatkan umpan balik pasien setelah kunjungan rumah sakit darurat. Umpan balik ini dapat memberikan insight tentang manajemen proses UGD. Hasil survei disimpan di Dataverse untuk digunakan oleh admin rumah sakit guna peningkatan proses.

  • Data tidak terstruktur. Blok ini dalam diagram arsitektur mewakili data biner yang tidak terstruktur seperti hasil sinar X. Data ini dapat disimpan dalam sistem RKE yang ada. Ini diserap oleh Azure Data Lake untuk digunakan oleh Azure Synapse.

  • Data terstruktur. Blok ini mewakili data terstruktur apa pun yang biasanya tidak dianggap sebagai bagian dari sistem EMR/EHR atau PAS yang dapat digunakan untuk menciptakan wawasan untuk manajemen rumah sakit. Contohnya adalah catatan keuangan organisasi layanan kesehatan.

Alternatif

Alternatif yang tercantum dalam Kesehatan virtual di Microsoft Cloud for Healthcare juga berlaku untuk arsitektur ini.

  • Aplikasi Dynamics 365 dan Power BI yang digunakan dalam arsitektur ini terintegrasi erat dengan Dataverse sebagai sumber datanya. Jika ini digantikan oleh aplikasi pihak ketiga, seperti alat EHR bawaan untuk pemantauan pasien dan triase ED, mereka dapat berinteraksi dengan Dataverse dengan menggunakan antarmuka RESTful API-nya. Dataverse adalah sumber data yang nyaman untuk data agregat dan digunakan oleh beberapa komponen seperti Power BI, Power Automate, Synapse Analytics, Patient Portal, Teams, dan sebagainya.

  • Komponen yang ditunjukkan dalam diagram arsitektur yang tidak memiliki kerangka biru perlu dibuat atau diganti dengan alat yang tersedia, sesuai dengan kebutuhan organisasi layanan kesehatan.

Detail skenario

Industri pelayanan kesehatan secara tradisional telah bersusah payah untuk menggunakan sejumlah besar data yang dibuatnya dengan efektif. Sebagian besar data medis tidak terstruktur dan tidak dapat diakses untuk mengambil keputusan berdasarkan data. Saat mencari insight, penyedia menghabiskan banyak waktu untuk melakukan penyerapan dan penyatuan data. Organisasi pelayanan kesehatan juga menghadapi tekanan keamanan dan kepatuhan serta risiko pelanggaran data.

Solusi ini menggunakan Azure Data Lake untuk menyimpan sejumlah besar data yang diperlukan untuk pelaporan dan analitik. Data ini dianalisis dengan menggunakan Azure Synapse, untuk digunakan oleh modul pembelajaran mesin dan visualisasi Power BI. Synapse juga dapat menarik data tidak terstruktur, seperti gambar X-ray, dan memasukkannya ke dalam algoritma pembelajaran mesin untuk menghasilkan interpretasi. Interpretasi ini disimpan dalam dokumen Microsoft Word, bersama dengan snapshot gambar. Dokumen ini disimpan sebagai blob atau file di Dataverse, untuk referensi di masa mendatang.

Kemungkinan kasus penggunaan

Solusi ini sangat ideal untuk industri perawatan kesehatan. Skenario ini juga menunjukkan kemampuan berikut, yang berlaku untuk banyak industri:

  • Kumpulkan data terstruktur dan tidak terstruktur dari beberapa sumber, dan visualisasikan tren dan wawasan menggunakan Power BI.
  • Siapkan tugas operasional otomatis berdasarkan wawasan ini.
  • Menginterpretasikan data dari sistem yang berbeda dengan menggunakan pembelajaran mesin, dan membantu berbagai peran dalam sistem.
  • Bagikan data dan wawasan dengan aman, dan berkolaborasi dengan departemen dan peran yang berbeda dengan menggunakan Microsoft Teams.

Pertimbangan

Pertimbangan ini mengimplementasikan 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.

Keamanan

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

Pertimbangan keamanan untuk arsitektur apa pun yang menggunakan Microsoft Cloud for Healthcare berlaku di sini. Misalnya, lihat pertimbangan keamanan yang dibahas dalam Kesehatan virtual di Microsoft Cloud for Healthcare.

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.

Pertimbangan harga untuk arsitektur ini mirip dengan yang ada di Kesehatan virtual di Microsoft Cloud for Healthcare.

Menyebarkan skenario ini

Untuk menyebarkan solusi ini, lakukan langkah satu hingga empat kesehatan Virtual di Microsoft Cloud for Healthcare.

Berikut ini adalah komponen tambahan yang dibuat khusus untuk solusi ini. Anda dapat memilih untuk membuat aplikasi serupa, atau menggunakan alat yang disediakan oleh sistem EHR Anda saat ini.

  1. Antrean pemantauan pasien
  2. Antrean ED
  3. Laporan dan visualisasi Power BI
  4. Pemberitahuan Power Automate untuk ambang perangkat dan ketersediaan tes diagnostik
  5. Algoritma pembelajaran mesin seperti temuan diagnostik yang dihasilkan mesin
  6. Determinan sosial dan aplikasi survei kepuasan

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