Servizio MedTech e servizio Azure Machine Learning

In questo articolo vengono fornite informazioni sull'uso del servizio MedTech e del servizio Azure Machine Learning.

Architettura di riferimento del servizio MedTech e del servizio Azure Machine Learning

Il servizio MedTech consente ai dispositivi IoT di integrarsi facilmente con i servizi FHIR. Questa architettura di riferimento è progettata per accelerare l'adozione di progetti Internet of Things (IoT). Questa soluzione usa Azure Databricks per il calcolo di Machine Learning (ML). Tuttavia, Azure Machine Learning Services con Kubernetes o una soluzione ml partner potrebbe adattarsi all'ambiente di assegnazione dei punteggi di Machine Learning.

I quattro colori della linea mostrano le diverse parti del percorso dati.

• Blue = Dati IoT per il servizio FHIR.
• Green = percorso dati per l'assegnazione dei punteggi ai dati IoT
• Red = Percorso caldo per i dati per informare i medici del rischio del paziente. L'obiettivo del percorso caldo è quello di essere il più vicino possibile al tempo reale.
• Arancione = Percorso caldo per i dati. Ancora supporto per i medici nella cura dei pazienti. Le richieste di dati vengono in genere attivate manualmente o in base a una pianificazione di aggiornamento.

Inserimento dati: passaggi 1 - 5

1. Dati dal dispositivo IoT o tramite il gateway dispositivo inviato a hub IoT di Azure/Azure IoT Edge.
2. Dati da Azure IoT Edge inviati a hub IoT di Azure.
3. Copia dei dati dei dispositivi IoT non elaborati inviati a un ambiente di archiviazione sicuro per l'amministrazione dei dispositivi.
4. Il payload IoT passa da hub IoT di Azure al servizio MedTech. L'icona del servizio MedTech rappresenta più servizi di Azure.
5. Tre parti al numero cinque:
   1. Il servizio MedTech richiede la risorsa Paziente dal servizio FHIR.
   2. Il servizio FHIR invia nuovamente la risorsa Paziente al servizio MedTech.
   3. L'osservazione dei pazienti IoT è registrata nel servizio FHIR.

Route dati di Machine Learning e intelligenza artificiale: passaggi 6 - 11

6. Flusso di dati non raggruppato normalizzato inviato a una funzione di Azure (Input ML).
7. Funzione di Azure (Input ML) richiede la creazione di risorse paziente per l'unione con il payload IoT.
8. Il payload IoT viene inviato a un hub eventi per la distribuzione nel calcolo e nell'archiviazione di Machine Learning.
9. Il payload IoT viene inviato a Azure Data Lake Storage Gen 2 per l'osservazione dei punteggi in tempi più lunghi.
10. Il payload IoT viene inviato ad Azure Databricks per l'inserimento di finestre, l'adattamento dei dati e il punteggio dei dati.
11. Azure Databricks richiede più dati pazienti da data lake in base alle esigenze.
    1. Azure Databricks invia anche una copia dei dati con punteggio al data lake.

Coordinamento notifica e cura: passaggi da 12 a 18

Percorso critico

12. Azure Databricks invia un payload a una funzione di Azure (OUTPUT ML).
13. Risorsa RiskAssessment e/o Flag inviata al servizio FHIR.
    1. Per ogni finestra di osservazione, viene inviata una risorsa RiskAssessment al servizio FHIR.
    2. Per le finestre di osservazione in cui la valutazione del rischio non rientra nell'intervallo accettabile, deve essere inviata anche al servizio FHIR.
14. Dati assegnati al repository dati per il routing al team di assistenza appropriato. Azure SQL Server è il repository di dati usato in questa progettazione a causa dell'interazione nativa con Power BI.
15. Il dashboard di Power BI viene aggiornato con l'output valutazione dei rischi in meno di 15 minuti.

Percorso caldo

16. Power BI aggiorna il dashboard sulla pianificazione dell'aggiornamento dei dati. In genere, più di 15 minuti tra gli aggiornamenti.
17. Popolare l'app Care Team con i dati correnti.
18. Coordinamento delle cure tramite Microsoft Teams for Healthcare'app paziente.

Passaggi successivi

In questo articolo è stata illustrata l'integrazione del servizio MedTech e del servizio Machine Learning.

Per una panoramica del servizio MedTech, vedere

Per informazioni sulla trasformazione dei dati dei messaggi del dispositivo del servizio MedTech, vedere

Per informazioni sui metodi per la distribuzione del servizio MedTech, vedere

FHIR® è un marchio registrato di Health Level Seven International, registrato in U.S. Trademark Office e viene usato con l'autorizzazione.