MedTech 서비스 및 Azure Machine Learning Service

아티클
03/04/2024

이 문서에서는 MedTech 서비스와 Azure Machine Learning Service를 사용하는 방법을 알아봅니다.

MedTech 서비스 및 Azure Machine Learning Service 참조 아키텍처

MedTech 서비스를 사용하면 IoT 디바이스가 FHIR® 서비스와 원활하게 통합될 수 있습니다. 이 참조 아키텍처는 IoT(사물 인터넷) 프로젝트 도입이 가속화되도록 설계되었습니다. 이 솔루션에서는 ML(Machine Learning) 컴퓨팅에 Azure Databricks를 사용합니다. 그러나 Kubernetes 포함 Microsoft Machine Learning Services나 파트너 ML 솔루션이 Machine Learning 채점 환경에 적합할 수도 있습니다.

4개의 선 색상으로 데이터 경험의 서로 다른 부분을 나타내고 있습니다.

파랑 = FHIR 서비스에 대한 IoT 데이터
녹색 = IoT 데이터 채점을 위한 데이터 경로
빨강 = 임상의에게 환자 위험을 알리기 위한 데이터의 핫 경로. 핫 경로의 목표는 가능한 한 실시간에 근접하는 것입니다.
주황 = 데이터의 웜 경로. 마찬가지로 환자 치료에서 임상의를 지원합니다. 데이터 요청은 일반적으로 수동으로 또는 새로 고침 일정에 따라 트리거됩니다.

데이터 수집: 1~5단계

IoT 디바이스에서, 또는 디바이스 게이트웨이를 통해 Azure IoT Hub/Azure IoT Edge로 전송된 데이터입니다.
Azure IoT Edge에서 Azure IoT Hub로 전송된 데이터입니다.
디바이스 관리를 위해 보안 스토리지 환경으로 전송된 원시 IoT 디바이스 데이터의 사본입니다.
IoT 페이로드는 Azure IoT Hub에서 MedTech 서비스로 이동합니다. MedTech 서비스는 Azure 서비스 여러 개로 표시됩니다.
숫자 5의 세 부분:
1. MedTech 서비스가 FHIR 서비스에서 환자 리소스를 요청합니다.
2. FHIR 서비스가 환자 리소스를 MedTech 서비스로 다시 보냅니다.
3. IoT 환자 관찰이 FHIR 서비스에 기록됩니다.

Machine Learning 및 AI 데이터 경로: 6~11단계

Azure Function(ML 입력)으로 전송된 그룹화되지 않은 정규화 데이터 스트림입니다.
Azure Function(ML 입력)은 환자 리소스를 IoT 페이로드에 병합하도록 요청합니다.
IoT 페이로드가 Machine Learning 컴퓨팅 및 스토리지 배포를 위해 이벤트 허브로 전송됩니다.
더 긴 시간 동안 관찰을 채점할 수 있도록 IoT 페이로드가 Azure Data Lake Storage Gen 2로 전송됩니다.
기간 지정, 데이터 맞춤 및 데이터 채점을 위해 IoT 페이로드가 Azure Databricks로 전송됩니다.
Azure Databricks에서 필요에 따라 데이터 레이크에서 더 많은 환자 데이터를 요청합니다.
1. 또한 Azure Databricks는 채점된 데이터의 사본을 데이터 레이크로 보냅니다.

알림 및 관리 조정: 12~18단계

핫 경로

Azure Databricks가 Azure Function(ML 출력)에 페이로드를 보냅니다.
FHIR 서비스에 제출된 리소스에 대해 RiskAssessment 및/또는 플래그를 지정합니다.
1. 관찰 기간마다 RiskAssessment 리소스가 FHIR 서비스에 제출됩니다.
2. RiskAssessment가 허용되는 범위를 벗어난 관찰 기간의 경우 플래그 리소스도 FHIR 서비스에 제출해야 합니다.
적절한 의료 팀으로 라우팅하기 위해 채점된 데이터를 데이터 리포지토리로 보냅니다. Azure SQL Server는 Power BI와의 원시 상호 작용 때문에 이 디자인에서 사용하는 데이터 리포지토리입니다.
Power BI 대시보드가 15분 이내에 RiskAssessment 출력으로 업데이트됩니다.

웜 경로