Архитектура решения: Прогнозирование продолжительности госпитализации и потока пациентов с помощью медицинской аналитики

Для людей, работающих в лечебном учреждении, продолжительность госпитализации — число дней от поступления до выписки пациентов — имеет большое значение. Однако это число может варьироваться в зависимости от учреждения, а также от характера и течения заболевания даже в пределах одной системы здравоохранения, что затрудняет отслеживание потока пациентов и его планирование.

Это решение Azure помогает администраторам лечебных учреждений задействовать возможности машинного обучения и с их помощью прогнозировать продолжительность госпитализации, а также улучшать планирование загрузки отделений и использование ресурсов. С помощью прогнозной модели руководитель отдела медицинской информации может определить, какие отделения перегружены и какие ресурсы в этих отделениях нуждаются в подкреплении, а менеджер по медицинскому обслуживанию — определить, достаточно ли штатных ресурсов для лечения пациента вплоть до выписки.

Возможность спрогнозировать продолжительность госпитализации в момент поступления пациента помогает сотрудникам больницы обеспечить более качественное лечение и оптимизировать свою рабочую нагрузку. Также эта возможность позволяет более точно запланировать время выписки, что снижает вероятность повторной госпитализации.

Развертывание в Azure

Разверните эту архитектуру в Azure с помощью следующего готового шаблона

Развертывание в Azure
Прогнозирование продолжительности госпитализации и потока пациентов | Microsoft Azure Схема со значками, соединенными между собой с помощью двусторонних стрелок. В центре расположен значок базы данных SQL, в которой решение хранит данные о пациентах и клинические данные. Слева от него изображена служба машинного обучения, которая выполняет прогнозную аналитику в облаке. Справа расположен значок службы Power BI, которая предоставляет интерактивную панель мониторинга и позволяет визуализировать данные, хранящиеся на сервере SQL Server. Power BI SQL Database Machine Learning

Руководство по реализации

Продукты Документация

SQL Server R Services

Здесь хранятся данные о пациентах и клинические данные. Предоставляет модели обучения и прогнозирования, а также результаты прогнозирования, которые можно использовать с помощью R.

Power BI

Служба Power BI предоставляет интерактивную панель мониторинга, которая позволяет визуализировать данные, хранящиеся на сервере SQL Server, для принятия решений по прогнозам.

Машинное обучение

Служба машинного обучения позволяет легко создавать, тестировать, активировать решения прогнозной аналитики в облаке и управлять ими.

Связанные архитектуры решений

Обнаружение аномалий с помощью машинного обучения Схема с 10 соединенными значками. Слева вверху отображается значок для данных временных рядов. Справа, соединенный с помощью односторонней стрелки, находится концентратор событий, а еще правее — Stream Analytics. Односторонняя стрелка вправо и вниз ведет к базе данных SQL Azure, соединенной с помощью односторонней стрелки с Power BI в дальнем правом углу. От Stream Analytics односторонняя стрелка ведет к хранилищу таблиц, которое с помощью двухсторонней стрелки соединено с фабрикой данных внизу. Фабрика данных соединена с четырьмя другими значками. Слева, соединенное с помощью двухсторонней стрелки, находится машинное обучение для обнаружения аномалий. По односторонней стрелке вниз можно найти Visual Studio Application Insights для мониторинга и телеметрии, а по односторонней стрелке вверх и вправо — базу данных SQL Azure. Стрелка подписана как "Сохранение выходных данных машинного обучения". С помощью односторонней стрелки вправо соединены разделы служебной шины с возможностью публикации и подписки. Стрелка подписана как "Обнаружены аномалии публикации". Machine Learning(Anomaly Detection) Service Bus topics(Publish/subscribe capabilities) Visual Studio Application Insights(Monitoring and telemetry) Event Hub(Event queue) Table Storage(Big Data store) Stram Analytics(Realtime analytics) Metadata Save ML output Score each dataset Publish anomalies detected Power BI Azure SQL DB(Anomaly detection results) Data Factory Time series data

Обнаружение аномалий с помощью машинного обучения

Сведения об аномалиях ИТ-инфраструктуры Microsoft Azure помогут автоматизировать и масштабировать обнаружение аномалий для ИТ-отделов, которые смогут быстро обнаруживать и устранять проблемы.

Дополнительные сведения