Delen via


MedTech-service en Azure Machine Learning Service

Notitie

Fast Healthcare Interoperability Resources (FHIR®) is een open gezondheidszorgspecificatie.

In dit artikel vindt u meer informatie over het gebruik van de MedTech-service en de Azure Machine Learning Service.

De referentiearchitectuur van de MedTech-service en Azure Machine Learning Service

Met de MedTech-service kunnen IoT-apparaten naadloos worden geïntegreerd met FHIR-services. Deze referentiearchitectuur is ontworpen om de acceptatie van IoT-projecten (Internet of Things) te versnellen. Deze oplossing maakt gebruik van Azure Databricks voor machine learning (ML) compute. Azure Machine Learning Services met Kubernetes of een ML-oplossing van een partner kunnen echter wel in de Machine Learning-scoreomgeving passen.

De vier lijnkleuren geven de verschillende onderdelen van het gegevenstraject weer.

  • Blue = IoT-gegevens naar FHIR-service.
  • Groen = gegevenspad voor het scoren van IoT-gegevens
  • Rood = Hete pad voor gegevens om artsen te informeren over patiëntrisico's. Het doel van het dynamische pad is om zo dicht mogelijk bij realtime te zijn.
  • Oranje = Warm pad voor gegevens. Nog steeds ondersteuning van artsen in de patiëntenzorg. Gegevensaanvragen worden doorgaans handmatig geactiveerd of volgens een vernieuwingsschema.

Schermopname van de referentiearchitectuur van de MedTech-service en Machine Learning Service.

Gegevensopname: Stappen 1 - 5

  1. Gegevens van een IoT-apparaat of via de apparaatgateway die worden verzonden naar Azure IoT Hub/Azure IoT Edge.
  2. Gegevens van Azure IoT Edge verzonden naar Azure IoT Hub.
  3. Kopie van onbewerkte IoT-apparaatgegevens die worden verzonden naar een beveiligde opslagomgeving voor apparaatbeheer.
  4. IoT-nettolading wordt verplaatst van Azure IoT Hub naar de MedTech-service. Het medtech-servicepictogram vertegenwoordigt meerdere Azure-services.
  5. Drie delen tot nummer vijf:
    1. De MedTech-service vraagt patiëntenresource aan bij de FHIR-service.
    2. De FHIR-service stuurt patiëntresource terug naar de MedTech-service.
    3. IoT Patient Observation is een record in de FHIR-service.

Machine Learning- en AI-gegevensroute: stap 6 - 11

  1. Genormaliseerde niet-gegroepeerde gegevensstroom die wordt verzonden naar een Azure-functie (ML-invoer).
  2. Azure Function (ML-invoer) vraagt de patiëntresource aan om samen te voegen met IoT-nettolading.
  3. IoT-nettolading wordt verzonden naar een Event Hub voor distributie naar Machine Learning-rekenkracht en -opslag.
  4. IoT-nettolading wordt verzonden naar Azure Data Lake Storage Gen 2 voor beoordelingsobservatie over langere tijdvensters.
  5. IoT-nettolading wordt verzonden naar Azure Databricks voor vensters, het aanpassen van gegevens en het scoren van gegevens.
  6. Azure Databricks vraagt zo nodig meer patiëntgegevens op van Data Lake.
    1. Azure Databricks verzendt ook een kopie van de scoregegevens naar de data lake.

Coördinatie van meldingen en zorg: stap 12 - 18

Dynamisch pad

  1. Azure Databricks verzendt een nettolading naar een Azure-functie (ML-uitvoer).
  2. Risico-evaluatie en/of vlagresource die is verzonden naar de FHIR-service.
    1. Voor elk observatievenster wordt een RiskAssessment-resource verzonden naar de FHIR-service.
    2. Voor waarnemingsvensters waarin de risicobeoordeling buiten het acceptabele bereik valt, moet ook een Vlagresource worden ingediend bij de FHIR-service.
  3. Scoregegevens verzonden naar de gegevensopslagplaats voor routering naar het juiste zorgteam. Azure SQL Server is de gegevensopslagplaats die in dit ontwerp wordt gebruikt vanwege de systeemeigen interactie met Power BI.
  4. Power BI-dashboard wordt in minder dan 15 minuten bijgewerkt met de uitvoer van de risicoanalyse.

Warm pad

  1. Power BI vernieuwt het dashboard volgens het schema voor gegevensvernieuwing. Normaal gesproken langer dan 15 minuten tussen vernieuwingen.
  2. Vul de app Zorgteam in met de huidige gegevens.
  3. Zorgcoördinatie via Microsoft Teams for Healthcare patiënt-app.

Volgende stappen

In dit artikel hebt u geleerd over de integratie van de MedTech-service en de Machine Learning-service.

Zie voor een overzicht van de MedTech-service

Zie voor meer informatie over de berichtgegevenstransformatie van medTech-apparaten

Zie voor meer informatie over methoden voor het implementeren van de MedTech-service

FHIR® is een gedeponeerd handelsmerk van Health Level Seven International, geregistreerd bij het U.S. Trademark Office en wordt gebruikt met hun toestemming.