Szerkesztés

Távoli betegfigyelés

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

Az egészségügyi rendszerek, a kórházak és a nagy orvosi praktikák az otthoni kórházi kezdeményezésekre (más néven távoli betegfigyelésre) kerülnek. A távoli betegmonitorozás a klinikai ellátás egy részhalmaza, ahol a betegek tevékenységi és fiziológiai adatai az egyéni gondozási terv paramétereinek megfelelően távoli egészségügyi eszközökkel érhetők el és szolgáltathatók.

Ez a cikk útmutatást nyújt arra vonatkozóan, hogyan tervezhet megoldást az Azure Health Data Services és az intelligens távoli betegfigyelési eszközök használatával. A megoldás segít enyhíteni az eszközintegrációs kihívásokat, amelyekkel a szervezetnek szembe kell néznie egy ilyen megoldás nagy léptékű létrehozásakor.

Felépítés

Architecture diagram of remote patient monitoring architecture using healthcare devices and Azure services.

Töltse le az architektúra Visio-fájlját.

Adatfolyam

  1. A betegeszközök tevékenység- és fiziológiai adatokat hoznak létre. Ezt követően az adatok kinyerése az eszközökről az elérhető Microsoft nyílt forráskódú (OSS) SDK-k egyikével történik, és az Azure Event Hubs betölti.

  2. A Life365.health platform több mint 300 olyan eszközt támogat, amelyek tevékenység- és fiziológiai adatokat hoznak létre A Life365 API betölti a tevékenység- és fiziológiai adatokat a betegmonitorozási eszközökről az Azure Event Hubsba.

  3. Az Azure MedTech szolgáltatás lekéri az eszközméréseket az Event Hubsból, átalakítja őket FHIR formátumú Fast Healthcare Interoperability Resources (FHIR®) formátumba, és átadja őket az Azure FHIR szolgáltatásnak. Az Azure Health Data Services-munkaterület egy logikai tároló az egészségügyi szolgáltatások példányaihoz, például az FHIR-hez és a MedTech-szolgáltatásokhoz.

  4. Az Azure Health Data Services-munkaterület értesítési üzeneteket küld az esemény-előfizetőknek , ha egy FHIR-erőforrást hoznak létre, frissítenek vagy törölnek az Azure FHIR szolgáltatásban. Az értesítések több végpontra is elküldhetők az automatizálás aktiválásához, beleértve a munkafolyamatok indítását vagy az e-mailek és szöveges üzenetek küldését.

  5. Az FHIR Analytics-folyamatok növekményesen exportálják a nem anonimizált FHIR-adatokat az Azure Data Lake-be, így elérhetővé válnak a különböző Azure-beli adatszolgáltatások elemzéséhez. Az exportált adatok anonimizálhatók olyan eszközök használatával is, mint a Microsoft nyílt forráskódú eszközök az állapotadatok anonimizálásához. Az alapértelmezett anonimizálás a HIPAA Széf Harbor metóduson alapul, amely szükség szerint bővíthető és módosítható.

    Fontos

    Az adatfolyamban exportált FHIR-adatok nyersek, és phI-információkat is tartalmaznak. Az azonosítási folyamat felhasználható a személyes azonosítók kutatási vagy megosztási célú eltávolítására az adatokból. Ha azonosítani szeretné az adatkészleteket, intézkedéseket kell tennie az adatok anonimizálására az exportálás előtt egy olyan eszközzel, mint a fent említett.

  6. A Parquet- és JSON-formátumokban lévő FHIR-adatok további elemzése Spark-készletek használatával történik az Azure Synapse, az Azure Databricks és az Azure Machine Tanulás (ML) szolgáltatásokban.

  7. Az SQL-nézetek az Azure Synapse kiszolgáló nélküli SQL-készleteiben jönnek létre. Minden FHIR-erőforráshoz létrejön egy SQL-nézet az Azure Data Lake Parquet-fájljai alapján. Ezen nézetek alapján az adatmérnökök és a fejlesztők natív SQL-t írhatnak a Microsoft SQL Management Studióban vagy bármely más SQL-szerkesztőben az FHIR-erőforrások lekérdezéséhez.

  8. A Power BI és az FHIR Power Query-összekötője segítségével közvetlenül az FHIR szolgáltatás API-végpontjáról importálhat és alakíthat adatokat . A Power BI parquet- és SQL-összekötőket is kínál az FHIR-erőforrás eléréséhez közvetlenül Parquet formátumban vagy a Synapse SQL-nézeteiben.

Összetevők

Eszközök

Fogyasztói eszközök

A Microsoft nyílt forráskódú SDK-kat biztosít a különböző fogyasztói eszközökről történő adattovábbítás megkönnyítésére az Azure Event Hubs általi betöltéshez:

  • Az FHIR OSS SDK-n futó Fitbit támogatja a Fitbit-eszközöket.
  • Az FHIR OSS SDK-n futó Fit támogatja a Google Fit-eszközöket.
  • A HealthKitToFhir Swift Library OSS SDK támogatja az Apple-eszközöket.

Life365.health által támogatott orvostechnikai eszközök

A Life365.health platform több mint 300 Bluetooth-monitorozási eszközzel van integrálva az Azure Event Hubs általi betöltéshez. Az eszközök több kategóriára és OEM-re terjednek ki, kezdve a spirométerektől, a hőmérőktől, a súlyskáláktól, a pirulák emlékeztetőitől, az aktivitás-nyomkövetőktől, a vércukorszint-mérőktől, a vérnyomásmérőktől, az EKG/EKG-től, a magzati dopplerektől, a pulzusmérőktől, a pulzusmérőktől, az alváskövetőktől és egyebektől. A Life365 alkalmazás lehetővé teszi a nem Bluetooth-eszközökről származó olvasások manuális rögzítését is. Ez az architektúra a Life365 API használatával betölti a Life365-eszközök eszközméréseit az Event Hubsba.

Egyéb

Bár a fenti lehetőségek megkönnyítik a használatát, ez az architektúra minden hasonló adatforrást támogat, amely biztonságosan betölthető az Event Hubsba közvetlenül vagy közvetve egy közvetítő API-n keresztül.

Azure-szolgáltatások (adatgyűjtés és tárolás)

  • Azure Event Hubs – egy teljes mértékben felügyelt, valós idejű adatbetöltési szolgáltatás, amely egyszerű, megbízható és méretezhető. Segítségével bármely adatforrásból másodpercek alatt több millió eseményt streamelhet, amelyekből dinamikus adatfolyamatot alakíthat ki, hogy azonnal reagálhasson az üzleti kihívásokra. Ebben az architektúrában az eszközadatok gyűjtésére és összesítésére, az Azure Health Data Servicesbe való átvitelre szolgál.

  • Az Azure Health Data Services olyan felügyelt API-szolgáltatások készlete, amelyek nyílt szabványokon és keretrendszereken alapulnak, amelyek lehetővé teszik a munkafolyamatok számára az egészségügyi ellátás javítását, valamint skálázható és biztonságos egészségügyi megoldásokat kínálnak. Az architektúrában használt szolgáltatások a következők:

    • Azure Health Data Services-munkaterület – tárolót biztosít a többi Azure Health Data Services-példány számára, létrehozva egy megfelelőségi határt (HIPAA, HITRUST), amelyben a védett állapotinformációk utazhatnak.

    • Azure FHIR szolgáltatás – megkönnyíti a védett állapotinformációk (PHI) biztonságos tárolását és cseréjét a felhőben. Az eszközadatok FHIR-alapú megfigyelési erőforrásokká alakulnak a távoli betegfigyelés támogatásához.

    • Azure MedTech szolgáltatás – a Microsoft Cloud for Healthcare egyik sarokköve, amely a távoli betegek monitorozásának támogatására szolgál. A MedTech egy szolgáltatásként nyújtott platform (PaaS), amely lehetővé teszi, hogy közel valós idejű adatokat gyűjtsön különböző orvostechnikai eszközökről, és FHIR-kompatibilis szolgáltatásformátummá alakítsa és FHIR szolgáltatásban tárolja. A MedTech szolgáltatás eszközadat-fordítási képességei lehetővé teszik az adatok széles körének egységes FHIR formátumúvá alakítását, amely biztonságos állapotadat-kezelést biztosít egy felhőkörnyezetben.

      A MedTech szolgáltatás fontos a távoli betegek monitorozásához, mert az egészségügyi adatok nehezen érhetők el vagy elemezhetők, ha különböző vagy nem kompatibilis eszközökről, rendszerekről vagy formátumokból származnak. Az orvosi információk, amelyek nem könnyen hozzáférhetők, akadályt jelenthetnek a klinikai megállapítások és a beteg egészségügyi tervének megszerzésében. Az állapotadatok egységes FHIR formátumúvá alakításának lehetővé teszi, hogy a MedTech szolgáltatás sikeresen összekapcsolja az eszközöket, az állapotadatokat, a tesztkörnyezeteket és a távoli személyes gondozást. Ennek eredményeképpen ez a képesség elősegítheti a fontos klinikai megállapítások és trendek feltárását, támogatva a klinikust, az ellátó csapatot, a beteget és a családot. Emellett segíthet az új eszközalkalmazásokkal való kapcsolatok létrehozásában és a fejlett kutatási projektek engedélyezésében. Ahogyan az ápolási tervek használati esetenként személyre szabottak lehetnek, a távoli betegfigyelési forgatókönyvek és a használati esetek egyéni igény szerint változhatnak.

  • Azure Event Grid – Az Azure Health Data Services eseményszolgáltatás eseményeket hoz létre, amikor egy FHIR-erőforrást hoznak létre, frissítenek vagy törölnek (CUD). Ezeket az eseményeket az Azure Event Grid továbbíthatja az alsóbb rétegbeli fogyasztóknak az eseményalapú adatok kezelése érdekében.

Azure-szolgáltatások és -eszközök (adatelemzés)

  • FHIR Analytics Pipelines – olyan OSS-projekt, amellyel összetevőket és folyamatokat hozhat létre az FHIR-adatok négyszögletesítéséhez és áthelyezéséhez az Azure FHIR-kiszolgálókról az Azure Data Lake-be. Ebben az architektúrában az adatok JavaScript Object Notation (JSON) és Parquet formátumban lesznek konvertálva, így különböző Azure-beli adatszolgáltatások elemzéséhez elérhetővé válnak.

  • Eszközök az egészségügyi adatok anonimizálásához – a Microsoft Healthcare csapata által támogatott OSS-projekt segít anonimizálni az egészségügyi adatokat a helyszínen vagy a felhőben, a másodlagos használathoz, például a kutatáshoz, a közegészségügyhez és egyebekhez. Az anonimizálási alapmotor egy konfigurációs fájl használatával adja meg a különböző paramétereket, valamint az anonimizálási módszereket a különböző adatelemekhez és adattípusokhoz.

  • Azure Synapse Analytics – korlátlan elemzési szolgáltatás, amely egyesíti az adatintegrációt, a nagyvállalati adattárházakat és a big data elemzéseket. Lehetővé teszi, hogy saját tetszőleges módon kérje le az adatokat, kiszolgáló nélküli vagy dedikált lehetőségekkel, nagy mennyiségben. Az Azure Synapse egységes felületen egyesíti ezt a két területet az adatok betöltéséhez, feltárásához, előkészítéséhez, átalakításához, kezeléséhez és azonnali szolgáltatásához az üzleti intelligencia és gépi tanulási igények szerint.

  • Apache Spark-készletek – Az Apache Spark egy párhuzamos feldolgozási keretrendszer, amely támogatja a memórián belüli feldolgozást a big data elemzési alkalmazások teljesítményének növelése érdekében. Az Azure Synapse Analyticsben üzemelő Apache Spark az Apache Spark egyik felhőbeli megvalósítása a Microsofttól. Az Azure Synapse segítségével leegyszerűsíthető a kiszolgáló nélküli Apache Spark-készletek létrehozása és konfigurálása az Azure-ban. Az Azure Storage és a 2. generációs Azure Data Lake Storage kompatibilis az Azure Synapse Spark-készleteivel. Így a Spark-készleteket az Azure-ban tárolt adatok feldolgozására használhatja.

  • Azure Databricks – a Microsoft Azure felhőszolgáltatási platformra optimalizált adatelemzési platform. A Databricks egységes elemzési platformot biztosít adatelemzők, adatmérnökök, adattudósok és gépi tanulási mérnökök számára. Az adatigényes alkalmazások fejlesztéséhez három környezetet kínálunk: a Databricks SQL-t, a Databricks Adattudomány > Mérnöki és a Databricks Machine-Tanulás.

  • Azure ML – azure-felhőszolgáltatás a gépi tanulási projekt életciklusának felgyorsítására és kezelésére. A gépi tanulási szakemberek, adattudósok és mérnökök napi munkafolyamataikban használhatják: modellek betanítása és üzembe helyezése, valamint AZ MLOps kezelése. Létrehozhat egy modellt az Azure Machine Tanulás, vagy használhat egy nyílt forráskódú platformból készült modellt, például a Pytorchot, a TensorFlow-t vagy a scikit-learn-t. Az MLOps-eszközök segítenek a modellek monitorozásában, újratanításában és újbóli üzembe helyezésében.

  • Power BI – nagyvállalati szintű önkiszolgáló elemzést biztosít, amely lehetővé teszi a következő lehetőségeket:

    • Hozzon létre egy adatvezérelt kultúrát mindenki számára üzleti intelligenciával.
    • Az adatok biztonságának megőrzése iparágvezető adatbiztonsági képességekkel, beleértve a bizalmassági címkézést, a végpontok közötti titkosítást és a valós idejű hozzáférés monitoring.is, amelyeket az FHIR-adatok további elemzéséhez használnak.

  • A Power BI-ban használt Power Query-összekötők a következők:

  • SQL Server Management Studio – egy asztali alkalmazás, amely natív SQL-lekérdezéseket hoz létre az SQL-adattárakon, például az Azure Synapse Analytics SQL-készleteien.

Alternatívák

Life365.health

A Life365.health előnye, hogy egy integrációs ponttal a Life365-ökoszisztéma számos eszközéről küldhet méréseket az Azure Health Data Servicesbe. Más hordható eszköz API-k is léteznek, például a Garmin Activity API és a Polar AccessLink API, amelyekhez hasonló integrációs minta érhető el. Ezek az API-k azonban kizárólag a saját gyártójuk eszközeiről, például a Garminról és a Polarról történő mérésre szolgálnak.

Az eszközöket és a betegeket definiálni, összekapcsolni és szinkronizálni kell az Azure Health Data Services és a Life365 API között. Ez a konfiguráció úgy érhető el, hogy szinkronizálja a beteg- és eszközazonosítókat az Azure Health Data Services és a Life365 API között. Lényegében egy új beteg és eszköz jön létre és kapcsolódik hozzá először az Azure FHIR szolgáltatásban. Ezután a rendszer létrehozza és összekapcsolja a megfelelő beteget és eszközt a Life365 API-ban. Az Azure Health Data Servicesben először létrehozott páciensek és eszközök azonosítói külső azonosítóként frissülnek a Life365 API megfelelő beteg- és eszközentitásaiban.

Microsoft Cloud for HealthCare

Ez a példa számítási feladat egy távoli betegmonitorozási megoldás implementálásának egyik módját ismerteti. A Microsoft Cloud for Healthcare távoli betegmonitorozási megoldást is kínál. A megoldással kapcsolatos további információkért tekintse meg a távoli betegfigyelési bemutatót.

Forgatókönyv részletei

Ma már számos orvosi és hordható/fogyasztói eszköz áll rendelkezésre. Az eszközök méréseihez/méréseihez számos otthoni monitorozási eszköz (például vérnyomásmérő eszközök, skálázási... stb.) Bluetooth-kapcsolat biztosítása (például a Bluetooth Low Energy vagy a Bluetooth szabvány egyéb régebbi verziói). Vannak fogyasztói hordható eszközök is, valamint fejlettebb otthoni eszközök, amelyek API-kapcsolatot biztosítanak az eszközök méréseihez való hozzáféréshez. Ebben az esetben az eszközök közvetlenül az API-ra szinkronizálhatják az olvasást (a Wifi engedélyezve van), vagy csatlakozhatnak egy mobilalkalmazáshoz egy okostelefonon (Bluetooth-on keresztül), így az alkalmazás szinkronizálhatja az olvasást az API-val.

Probléma leírása

Mivel a viselhető és otthoni orvosi eszközök széles köre és a csatlakozási lehetőségek széles köre (a Bluetooth-tól az API-specifikációig) megszorozva az egészségügyi szervezeten belüli betegek számával, az adatintegráció és a vezénylés ijesztő feladattá válhat.

Lehetséges használati esetek

  • Klinikai vizsgálatok és kutatások – Segítség a klinikai kutatócsoportoknak az otthoni és viselhető orvostechnikai eszközök széles skáláját integrálják és kínálják a tanulmány résztvevőinek. Más szóval, kínáljon egy kvázi-Bring-Your-Own-Device (BYOD) lehetőséget a tanulmány résztvevőinek.

  • Adatelemzés és populációállapot-elemzés – A tevékenység- és fiziológiai adatok iparági FHIR standard formátumban, valamint más nyílt forráskódú adatformátumokban (JSON és Parquet) lesznek elérhetők. Az adatformátum mellett natív összekötők is rendelkezésre állnak az adatelemzéshez és -átalakításhoz. Beleértve az összekötőket, például az FHIR-hez készült Power BI-összekötőt, a Synapse kiszolgáló nélküli SQL-nézeteit és a Synapse Spark-fürtöit.

    Ez a megoldás egy paraméteres módszert is biztosít az adathalmaz anonimizálására az azonosított kutatási célokra. Ezek a "másodlagos használati adatok" elemezhetők és használhatók az ajánlott eljárások megtalálásához és a klinikai bizonyítékokon alapuló munkafolyamatok támogatásához. Az FHIR-kiszolgálón tárolt megfigyelésekkel olyan varianciákat és munkafolyamatokat találhat, amelyek elősegítik a legjobb eredményeket és eljárásokat.

  • Egészségügyi szolgáltatók engedélyezése – A szolgáltatók az alábbiakra lesznek képesek:

    • jobb betekintést nyerhet a beteg állapotába
    • proaktív digitális egészségügyi modellek létrehozása a megelőző orvosi ellátáshoz
    • a fiziológiai mutatók/értesítések alapján megalapozottabb műveleteket végezhet
    • távfiziológiai monitorozási költségtérítési lehetőségek biztosítása

  • Betegjelentési eredmények (PRO) kérdőívek és PRO-alapú ellátás – Események és PRO-kérdőívek használatával egyéni gondozási tervek és ápolási variancia-munkafolyamatok hozhatók létre. A beteg nagyobb önállósággal és ellenőrzéssel rendelkezhet az egyéni gondozási terv felett, ami segít a bevezetésben és a tartós használatban. A PRO-alapú ellátás az oktatás és a betegek eredményei közötti szakadék megoldásában is hasznos lehet. Az oktatási kérdőívek és a prO-k összekapcsolásával az RPM a gyógyszerek, a kezelés és/vagy a gondozás támogatására használható, például a következő kérdések megválaszolásával:

    • Helyesen szedik a betegek a BP-t?
    • A méretezés a megfelelő időben és gyakorisággal van használatban?
    • A prO-kban hurkolunk a betegek örökbefogadása és az egyéni gondozás tervezése érdekében?

    Az iOS-eszközöket használó betegek számára kérdőíves alkalmazások hozhatók létre az Apple ResearchKit használatával. A kérdőívadatokat az Azure Event Hubs betölti, és az FHIR szolgáltatáson keresztül teszi elérhetővé, ugyanúgy, mint az eszköz betegtevékenysége és fiziológiai adatai.

  • Több típus és pontosabb egészségügyi eszköz engedélyezése – Orvosi és otthoni orvostechnikai eszközök használatával közel valós időben hozhat létre egészségügyi adatokat az adatok betöltéséhez és elemzéséhez.

Megfontolások

Ezek a szempontok az Azure Well-Architected Framework alappilléreit kezelik, amely a számítási feladatok minőségének javítására használható vezérelvek készlete. További információ: Microsoft Azure Well-Architected Framework.

Megbízhatóság

A megbízhatóság biztosítja, hogy az alkalmazás megfeleljen az ügyfelek felé vállalt kötelezettségeknek. További információ: A megbízhatósági pillér áttekintése.

A klinikai adatok és elemzések elérhetősége számos egészségügyi szervezet számára kritikus fontosságú. A megoldásban jelzett Azure-szolgáltatások állásidejének minimalizálása az alábbiak szerint lehetséges:

  • A Data Lake Storage mindig háromszor replikálódik az elsődleges régióban, és választhat helyileg redundáns tárolást (LRS) vagy zónaredundáns tárolást (ZRS).

  • Az Azure Event Hubs szétterjed az egyes gépek vagy akár teljes állványok katasztrofális hibáinak kockázatával olyan fürtökön, amelyek egy adatközponton belül több hibatartományra is kiterjednek. További információ: Azure Event Hubs – Geo-vészhelyreállítás.

  • A Databricks vészhelyreállítási útmutatást nyújt az adatelemzési platformhoz.

  • A gép Tanulás üzembe helyezése többrégiós lehet.

Biztonság

A biztonság biztosítékokat nyújt a szándékos támadások és az értékes adatokkal és rendszerekkel való visszaélés ellen. További információ: A biztonsági pillér áttekintése.

Az egészségügyi adatok gyakran tartalmaznak bizalmas védett egészségügyi információkat (PHI) és személyes adatokat. Az adatok védelméhez a következő erőforrások érhetők el:

  • A Data Lake Storage azure-beli szerepköralapú hozzáférés-vezérlést (RBAC) és hozzáférés-vezérlési listákat (ACL-eket) használ hozzáférés-vezérlési modell létrehozásához

  • Az Azure Health Data Services az OAuth 2.0-t támogató globális identitásszolgáltató, a Microsoft Entra ID használatával védett felügyelt szolgáltatások gyűjteménye. Az Azure Health Data Services új szolgáltatásának létrehozásakor az adatok alapértelmezés szerint a Microsoft által felügyelt kulcsokkal lesznek titkosítva. További részletekért tekintse meg az Azure Health Data Services hitelesítését és engedélyezését.

  • Az Azure Event Hubs a inaktív adatok titkosítását biztosítja az Azure Storage Service Encryption (Azure S Standard kiadás) használatával. Ezért az IP-tűzfalszabályok az Event Hubs névtérszintjén alkalmazhatók. A privát végpontokhoz és a virtuális hálózathoz való hozzáférés is konfigurálható.

  • A Synapse RBAC kibővíti az Azure RBAC képességeit a Synapse-munkaterületekhez és azok tartalmához. Az Azure RBAC segítségével kezelheti, hogy ki hozhatja létre, frissítheti vagy törölheti a Synapse-munkaterületet és annak SQL-készleteit, az Apache Spark-készleteket és az integrációs futtatókörnyezeteket.

Költségoptimalizálás

A költségoptimalizálás a szükségtelen kiadások csökkentésének és a működési hatékonyság javításának módjairól szól. További információ: A költségoptimalizálási pillér áttekintése.

Számos Azure-összetevő díjszabása megtalálható az Azure díjszabási kalkulátorában. Végső soron a megoldás díjszabása olyan tényezőkön alapul, mint például:

  • A használt Azure-szolgáltatások.
  • Az adatok mennyisége a betegek/eszközök száma, valamint a betöltendő tevékenységek és fiziológiai adattípusok száma tekintetében.
  • Az Event Hubs kapacitására és átviteli sebességére vonatkozó követelmények.
  • A gépi tanulás betanításához és üzembe helyezéséhez, a Synapse Spark-készletekhez és a Databricks-fürtökhöz szükséges számítási erőforrások.
  • A vizualizációs és jelentéskészítési megoldás, például a Power BI.

A megoldás megvalósításakor vegye figyelembe a mögöttes Azure Data Lake adatmegőrzési és archiválási szabályzatát. Használja ki az Azure Storage életciklus-felügyeletének előnyeit, hogy automatizált módot biztosítson a következő műveletekre:

  • fájlblobok áttűnése a ritka elérésű hozzáférési szintre
  • archiválási szintek a fájl utolsó módosításának időpontjától függően.

A Life365.health csomagjaival és díjszabásával kapcsolatos további információkért tekintse át a Life365 API Csatlakozás Adatajánlatot a Microsoft Azure Marketplace-en

Teljesítmény hatékonysága

A teljesítménybeli hatékonyság lehetővé teszi, hogy a számítási feladatok hatékonyan méretezhetők legyenek a felhasználók igényei szerint. További információ: Teljesítményhatékonysági pillér áttekintése.

Ez a megoldás skálázható közel valós idejű architektúrát biztosít a távoli betegfigyeléshez. Fontos elismerni az eszközök és a Life365 API közötti interfész többrétegű adatfolyamát, a Life365 API-ból és az Azure Event Hubsból való betöltést, az Azure Health Data Service MedTech szolgáltatásának átalakítását, végül a növekményes exportálást és az anonimizálást a data lake formátumba. Ezért az adatfolyam közel valós időben lesz feldolgozva, és minden alárendelt alkalmazást és/vagy integrációt ennek megfelelően kell megtervezni. Ennek a megoldásnak a teljesítménye azonban nagy számú eszközre és betegre méretezhető nagyvállalati szinten.

Közreműködők

Ezt a cikket a Microsoft tartja karban. Eredetileg a következő közreműködők írták.

Fő szerzők:

A nem nyilvános LinkedIn-profilok megtekintéséhez jelentkezzen be a LinkedInbe.

Következő lépések

Az architektúra implementálásához kapcsolódó technológiák és erőforrások: