Düzenle

Uzaktan hasta izleme

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

Sağlık sistemleri, hastaneler ve büyük hekim uygulamaları evde hastane girişimlerine (uzaktan hasta izleme olarak da bilinir) kayıyor. Uzaktan hasta izleme, bireyselleştirilmiş bakım planı parametrelerine uygun olarak uzak sağlık cihazları kullanılarak hastaların etkinlik ve fizyolojik verilerine erişilebildiği ve teslim edilebildiği klinik bakımın bir alt kümesidir.

Bu makalede, akıllı uzaktan hasta izleme için Azure Health Veri Hizmetleri ve cihazları kullanarak bir çözüm tasarlama hakkında rehberlik sağlanmaktadır. Çözüm, büyük ölçekte böyle bir çözüm oluştururken kuruluşunuzun karşılaştığı cihaz tümleştirme zorluklarının çoğunu hafifletmeye yardımcı olur.

Mimari

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

Bu mimarinin bir Visio dosyasını indirin.

Veri akışı

  1. Hasta cihazları etkinlik ve fizyolojik veriler oluşturur. Veriler daha sonra kullanılabilir Microsoft açık kaynak (OSS) SDK'larından biri kullanılarak cihazlardan ayıklanır ve Azure Event Hubs tarafından alınır.

  2. Life365.health platformu, etkinlik ve fizyolojik veriler oluşturan 300'den fazla cihazı destekler Life365 API'si, hasta izleme cihazlarından gelen etkinlik ve fizyolojik verileri Azure Event Hubs'a alır.

  3. Azure MedTech hizmeti cihaz ölçümlerini Event Hubs'dan alıp FHIR biçiminde Hızlı Sağlık Hizmeti Birlikte Çalışabilirlik Kaynakları'na (FHIR®) dönüştürür ve bunları Azure FHIR hizmetine geçirir. Azure Health Data Services çalışma alanı, FHIR ve MedTech hizmetleri gibi sağlık hizmeti örnekleri için mantıksal bir kapsayıcıdır.

  4. Azure Health Data Services çalışma alanı, Azure FHIR hizmetinde bir FHIR kaynağı oluşturulduğunda, güncelleştirildiğinde veya silindiğinde olay abonelerine bildirim iletileri gönderir. Bildirimler, iş akışlarını başlatma veya e-posta ve kısa mesaj gönderme dahil olmak üzere otomasyonu tetikleme amacıyla birden çok uç noktaya gönderilebilir.

  5. FHIR Analytics İşlem Hatları anonimleştirilmiş olmayan FHIR verilerini artımlı olarak Azure Data Lake'e aktararak çeşitli Azure veri hizmetleriyle analiz için kullanılabilir hale getirir. Dışarı aktarılan veriler, Microsoft Sistem Durumu Verileri Anonimleştirme için Açık Kaynak Araçları gibi araçlardan yararlanılarak anonimleştirilebilir. Varsayılan anonimleştirme, gerektiğinde genişletilebilen ve değiştirilebilen HIPAA Kasa Harbor yöntemini temel alır.

    Önemli

    Bu veri akışındaki dışarı aktarılan FHIR verileri hamdır ve PHI bilgilerini içerir. Kimliksizleştirme işlemi, araştırma veya paylaşım amacıyla verilerden kişisel tanımlayıcıları kaldırmak için kullanılabilir. Kimliksizleştirilmiş veri kümelerini kullanmak istiyorsanız, yukarıda belirtilen gibi bir araç kullanarak verileri dışarı aktarmadan önce anonimleştirmeye yönelik önlemler almanız gerekir .

  6. Parquet ve JSON biçimlerindeki FHIR verilerinin daha fazla analizi, Azure Synapse, Azure Databricks ve Azure Machine Learning (ML) hizmetlerindeki Spark havuzları kullanılarak gerçekleştirilir .

  7. SQL Görünümleri, Azure Synapse'teki Sunucusuz SQL havuzlarında oluşturulur. Azure Data Lake'teki Parquet dosyaları temelinde her FHIR kaynağı için bir SQL görünümü oluşturulur. Veri mühendisleri ve geliştiriciler bu görünümlere dayanarak FHIR kaynaklarını sorgulamak için Microsoft SQL Management Studio'da veya başka bir SQL düzenleyicisinde yerel SQL yazabilir.

  8. Verileri doğrudan FHIR Hizmet API'sinin uç noktasından içeri aktarmak ve şekillendirmek için Power BI ve FHIR için Power Query bağlayıcısı kullanılır. Power BI ayrıca FHIR kaynağına doğrudan Parquet biçiminde veya Synapse'deki SQL Görünümleri aracılığıyla erişmek için Parquet ve SQL bağlayıcıları sunar.

Bileşenler

Cihazlar

Tüketici cihazları

Microsoft, Azure Event Hubs tarafından veri alımı için çeşitli tüketici cihazlarından veri aktarımını kolaylaştırmak için açık kaynak SDK'lar sağlar:

  • FHIR OSS SDK'sı üzerindeki Fitbit, Fitbit cihazlarını destekler.
  • FHIR OSS SDK'sı üzerine sığdır, Google Fit cihazlarını destekler.
  • HealthKitToFhir Swift Kitaplığı OSS SDK'sı Apple cihazlarını destekler.

Life365.health tarafından desteklenen tıbbi cihazlar

Life365.health platformu, Azure Event Hubs tarafından alımı için 300'den fazla Bluetooth izleme cihazıyla tümleşiktir. Cihazlar, spirometreler, termometreler, ağırlık ölçekleri, hap anımsatıcıları, etkinlik izleyicileri, kan şekeri ölçümleri, kan basıncı monitörleri, EKG / EKG, fetal dopplers, kalp atış hızı monitörleri, nabız oksimetreleri, uyku izleyicileri ve daha fazlası gibi birçok kategoriye ve OEM'e yayılmıştır. Life365 uygulaması, Bluetooth olmayan cihazlardan alınan okumaların el ile kaydedilmesini de sağlar. Bu mimari, Life365 cihazlarından Event Hubs'a cihaz ölçümlerini almak için Life365 API'sini kullanır.

Diğer

Yukarıdaki seçenekler bunu kolaylaştırmalarına yardımcı olsa da, bu mimari doğrudan veya dolaylı olarak aracı API aracılığıyla Event Hubs'a güvenli bir şekilde alınabilen benzer veri kaynaklarını destekler.

Azure hizmetleri (veri toplama ve depolama)

  • Azure Event Hubs : Basit, güvenilir ve ölçeklenebilir tam olarak yönetilen, gerçek zamanlı veri alımı hizmeti. Dinamik veri işlem hatları oluşturabilmek ve iş zorluklarının anında üstesinden gelmek için istediğiniz kaynaktan saniyede milyonlarca olay akışı oluşturun. Bu mimaride cihaz verilerini toplamak ve toplamak ve Azure Health Veri Hizmetleri'ne aktarmak için kullanılır.

  • Azure Health Data Services , iş akışlarının sağlık hizmetlerini iyileştirmesini ve ölçeklenebilir ve güvenli sağlık hizmetleri çözümleri sunmasını sağlayan açık standartlara ve çerçevelere dayalı bir dizi yönetilen API hizmetidir. Bu mimaride kullanılan hizmetler şunlardır:

    • Azure Health Data Services çalışma alanı - Diğer Azure Health Veri Hizmetleri örnekleri için bir kapsayıcı sağlayarak korumalı sistem durumu bilgilerinin kullanabildiği bir uyumluluk sınırı (HIPAA, HITRUST) oluşturur.

    • Azure FHIR hizmeti : Korumalı sistem durumu bilgilerini (PHI) bulutta güvenli bir şekilde depolamayı ve değiştirmeyi kolaylaştırır. Cihaz verileri, uzaktan hasta izlemeyi desteklemek için FHIR tabanlı Gözlem kaynaklarına dönüştürülür.

    • Azure MedTech hizmeti- Uzaktan hasta izlemeyi desteklemek için kullanılan Sağlık hizmetleri için Microsoft Bulut'un köşe taşı. MedTech, çeşitli tıbbi cihazlardan gerçek zamanlıya yakın verileri toplamanızı ve FHIR uyumlu bir hizmet biçimine dönüştürmenizi ve FHIR hizmetinde depolamanızı sağlayan bir hizmet olarak platformdur (PaaS). MedTech hizmetinin cihaz veri çevirisi özellikleri, çok çeşitli verileri bulut ortamında güvenli sistem durumu veri yönetimi sağlayan birleşik bir FHIR biçimine dönüştürmeyi mümkün hale getirir.

      MedTech hizmeti uzaktan hasta izleme için önemlidir çünkü sağlık verilerine farklı veya uyumsuz cihazlardan, sistemlerden veya biçimlerden erişilmesi veya analiz edilmesi zor olabilir. Erişilmesi kolay olmayan tıbbi bilgiler, klinik içgörüler elde etmek ve hastanın sağlık planına engel olabilir. Sistem durumu verilerini birleşik bir FHIR biçimine çevirebilme özelliği, MedTech hizmetinin cihazları, sistem durumu verilerini, laboratuvarları ve uzaktan kişisel bakımı başarıyla bağlamasını sağlar. Sonuç olarak, bu özellik önemli klinik içgörülerin ve eğilim yakalamanın keşfedilmesini kolaylaştırarak klinisyen, bakım ekibi, hasta ve aileyi destekleyebilir. Ayrıca yeni cihaz uygulamalarına bağlantı oluşturmaya ve gelişmiş araştırma projelerini etkinleştirmeye yardımcı olabilir. Bakım planlarının kullanım örneğine göre ayrı oluşturulabildiği gibi, uzaktan hasta izleme senaryoları ve kullanım örnekleri de bireyselleştirilmiş ihtiyaçlara göre farklılık gösterebilir.

  • Azure Event Grid - Azure Health Data Services olay hizmeti , bir FHIR kaynağı oluşturulduğunda, güncelleştirildiğinde veya silindiğinde (CUD) olaylar oluşturur. Bu olaylar Azure Event Grid tarafından olay tabanlı veriler üzerinde işlem yapmak üzere aşağı akış tüketicilerine yayınlanabilir.

Azure hizmetleri ve araçları (veri analizi)

  • FHIR Analytics Pipelines - FHIR verilerini dikdörtgenleştirmeye ve taşımaya yönelik bileşenler ve işlem hatları oluşturmak için kullanılan bir OSS projesidir. Bu mimaride veriler JavaScript Nesne Gösterimi (JSON) ve Parquet biçimine dönüştürülerek çeşitli Azure veri hizmetleriyle analiz için kullanılabilir hale getiriliyor.

  • Sağlık Verilerini Anonimleştirme Araçları - Microsoft Healthcare ekibi tarafından desteklenmeyen bir OSS projesi, araştırma, kamu sağlığı ve daha fazlası gibi ikincil kullanımlar için sağlık verilerinin şirket içinde veya bulutta anonimleştirilmesine yardımcı olur. Anonimleştirme çekirdek altyapısı, farklı parametreleri ve farklı veri öğeleri ve veri türleri için anonimleştirme yöntemlerini belirtmek için bir yapılandırma dosyası kullanır.

  • Azure Synapse Analytics : Veri tümleştirmesi, kurumsal veri ambarı ve büyük veri analizini bir araya getiren sınırsız bir analiz hizmetidir. Sunucusuz veya ayrılmış seçeneklerini büyük ölçekte kullanarak kendi koşullarınıza göre verileri sorgulama özgürlüğü getirir. Azure Synapse, anlık iş zekası ve makine öğrenmesi ihtiyaçları için verileri almak, keşfetmek, hazırlamak, dönüştürmek, yönetmek ve sunmak için bu dünyaları tek bir deneyimde bir araya getirir.

  • Apache Spark havuzları - Apache Spark, büyük veri analizi uygulamalarının performansını artırmak için bellek içi işlemeyi destekleyen paralel bir işleme çerçevesidir. Azure Synapse Analytics’te Apache Spark, Microsoft'un buluttaki Apache Spark uygulamalarından biridir. Azure Synapse Azure’da sunucusuz Apache Spark havuzu oluşturmayı ve yapılandırmayı kolaylaştırır. Azure Synapse’de Spark havuzları Azure Depolama ve Azure Data Lake 2. Nesil Depolama ile uyumludur. Bu nedenle Spark havuzlarını Azure’da depolanan verilerinizi işlemek için kullanabilirsiniz.

  • Azure Databricks - Microsoft Azure bulut hizmetleri platformu için iyileştirilmiş bir veri analizi platformu. Databricks, veri analistleri, veri mühendisleri, veri bilimcileri ve makine öğrenmesi mühendisleri için birleşik bir analiz platformu sağlar. Veri yoğunluklu uygulamalar geliştirmek için üç ortam sunulur: Databricks SQL, Databricks Veri Bilimi & Engineering ve Databricks Machine Learning.

  • Azure ML : Makine öğrenmesi proje yaşam döngüsünü hızlandırmaya ve yönetmeye yönelik bir Azure bulut hizmetidir. Makine öğrenmesi uzmanları, veri bilimcileri ve mühendisler bunu günlük iş akışlarında kullanabilir: Modelleri eğitme ve dağıtma ve MLOps'yi yönetme. Azure Machine Learning'de model oluşturabilir veya Pytorch, TensorFlow veya scikit-learn gibi açık kaynak bir platformdan oluşturulmuş bir modeli kullanabilirsiniz. MLOps araçları modelleri izlemenize, yeniden eğitmenize ve yeniden dağıtmanıza yardımcı olur.

  • Power BI : Kurumsal ölçekte self servis analiz sağlayarak şunları yapmanızı sağlar:

    • Herkes için iş zekası ile veri odaklı bir kültür oluşturun.
    • Duyarlılık etiketleme, uçtan uca şifreleme ve FHIR verilerinin daha fazla analizi için kullanılan gerçek zamanlı erişim monitoring.is gibi sektör lideri veri güvenliği özellikleriyle verilerinizin güvenliğini sağlayın.

  • Power BI ile kullanılan Power Query bağlayıcıları şunlardır:

  • SQL Server Management Studio - Azure Synapse Analytics SQL havuzları gibi SQL veri depolarında yerel SQL sorguları oluşturmak için kullanılan bir masaüstü uygulamasıdır.

Alternatifler

Life365.health

Life365.health'in avantajı, tek bir tümleştirme noktasıyla Life365 ekosistemindeki çok çeşitli cihazlardan Azure Health Veri Hizmetleri'ne ölçüm gönderebilmenizdir. Benzer bir tümleştirme deseni elde edilebilen Garmin Etkinlik API'si ve Polar AccessLink API'leri gibi diğer giyilebilir cihaz API'leri vardır. Ancak, bu API'ler sırasıyla Garmin ve Polar gibi kendi üreticilerinin cihazlarından ölçülmeye özeldir.

Cihazların ve hastaların Azure Health Veri Hizmetleri ile Life365 API'si arasında tanımlanması, bağlanması ve eşitlenmesi gerekir. Bu yapılandırma, hasta ve cihaz kimliklerini Azure Health Veri Hizmetleri ve Life365 API'leri arasında eşitleyerek gerçekleştirilebilir. Temelde, önce Azure FHIR Hizmeti'nde yeni bir hasta ve cihaz oluşturulur ve bağlanır. Ardından ilgili hasta ve cihaz Life365 API'sinde oluşturulur ve bağlanır. İlk olarak Azure Health Veri Hizmetleri'nde oluşturulan hastaların ve cihazların kimlikleri, Life365 API'sindeki ilgili hasta ve cihaz varlıklarında dış kimlikler olarak güncelleştirilir.

HealthCare için Microsoft Bulut

Bu örnek iş yükü, uzak bir hasta izleme çözümü uygulamanın bir yolunu ele alır. Sağlık hizmetleri için Microsoft Bulutu ayrıca bir uzak hasta izleme çözümü de sağlar. Bu çözüm hakkında daha fazla bilgi için bkz . Uzak hasta izleme kılavuzlu turu.

Senaryo ayrıntıları

Bugün çok sayıda tıbbi ve giyilebilir/tüketici cihazı var. Cihaz ölçümlerine/okumalarına erişmek için, ev içi izleme cihazlarının birçoğu (kan basıncı cihazları, ölçek... vb.) Bluetooth bağlantısı (Bluetooth Düşük Enerji veya Bluetooth standardının diğer eski sürümleri gibi) sağlar. Ayrıca tüketici tarafından giyilebilir cihazların yanı sıra cihaz ölçümlerine erişmek için API bağlantısı sağlayan daha gelişmiş ev içi cihazlar da vardır. Bu durumda cihazlar okumaları doğrudan API'ye (Wifi etkin) eşitleyebilir veya akıllı telefonda (Bluetooth aracılığıyla) bir mobil uygulamaya bağlanabilir ve uygulamanın okuma işlemini API'ye geri eşitlemesine olanak tanır.

Sorun bildirimi

Çok çeşitli giyilebilir ve evde tıbbi cihazlar ve bağlantı seçenekleri (Bluetooth'tan API belirtimine) ve sağlık kuruluşundaki hasta sayısıyla çarpıldığı göz önünde bulundurulduğunda, veri tümleştirme ve düzenleme göz korkutucu bir görev haline gelebilir.

Olası kullanım örnekleri

  • Klinik çalışmalar ve araştırmalar – Klinik araştırma ekiplerinin çalışma katılımcısına çok çeşitli ev içi ve giyilebilir tıbbi cihazları entegre etmelerine ve sunmalarına yardımcı olun. Başka bir deyişle, çalışma katılımcılarınıza bir yarı-Kendi Cihazını Getir (KCG) seçeneği sunabilirsiniz.

  • Veri bilimi ve nüfus sağlığı analizi – Etkinlik ve fizyolojik veriler, endüstri FHIR standart biçiminde ve diğer açık kaynak veri biçimlerinde (JSON ve Parquet) kullanılabilir olacaktır. Veri biçimine ek olarak, veri analizi ve dönüşümüne yardımcı olmak için yerel bağlayıcılar sağlanır. FHIR için Power BI bağlayıcısı, Synapse Sunucusuz SQL görünümleri ve Synapse'deki Spark kümeleri gibi bağlayıcılar dahil.

    Bu çözüm, tanımsız araştırma amacıyla veri kümesini anonimleştirmeye yönelik parametreli bir yöntem de sağlar. Bu "ikincil kullanım verileri", en iyi yöntemleri bulmak ve klinik kanıta dayalı iş akışlarını desteklemek için analiz edilebilir ve kullanılabilir. FHIR sunucusunda depolanan gözlemler, en iyi sonuçları ve uygulamaları destekleyen varyansları ve iş akışlarını bulmak için kullanılabilir.

  • Sağlık hizmeti sağlayıcılarını etkinleştirme - Sağlayıcılar şu işlemleri yapabilir:

    • hasta sağlığı durumu hakkında daha iyi içgörüler elde etmek
    • önleyici tıbbi bakım için proaktif dijital sağlık modelleri oluşturma
    • fizyolojik göstergelere/bildirimlere göre daha bilinçli eylemler gerçekleştirme
    • uzaktan fizyolojik izleme geri ödemesi için yollar sağlama

  • Hasta Bildirilen Sonuç (PRO) anketleri ve PRO temelli bakım - Olaylar ve PRO anketleri kullanılarak bireyselleştirilmiş bakım planları ve bakım varyansı iş akışları oluşturulabilir. Hastanın, benimsemeye ve sürekli kullanıma yardımcı olan bireyselleştirilmiş bakım planı üzerinde daha fazla otonomiye ve kontrole sahip olması sağlanır. PRO temelli bakım, eğitim ve hasta sonuçlarındaki boşluğun çözülmesinde de yararlı olabilir. Eğitim anketleri ve PRO'lar arasında bağlantı kurarak RPM, aşağıdaki gibi sorulara yanıt vererek ilaç, tedavi ve/veya takip bakımını desteklemek için kullanılabilir:

    • Hastalar BP'lerini doğru mu alıyor?
    • Ölçek doğru zamanda ve sıklıkta mı kullanılıyor?
    • Hasta benimseme ve bireysel bakım planlaması için PRO'larda döngü mü yapıyoruz?

    iOS cihazlarını kullanan hastalar için anket uygulamaları Apple ResearchKit kullanılarak oluşturulabilir. Anket verileri Azure Event Hubs tarafından alınıp cihaz hasta etkinliği ve fizyolojik veriler gibi FHIR hizmeti aracılığıyla kullanıma sunulur.

  • Birden çok türe ve daha hassas sağlık cihazlarına izin ver - Veri alımı ve analizi için sağlık verilerini neredeyse gerçek zamanlı olarak oluşturmak için tıbbi ve ev tıbbi cihazlarını kullanın.

Dikkat edilmesi gereken noktalar

Bu önemli noktalar, bir iş yükünün kalitesini artırmak için kullanılabilecek bir dizi yol gösteren ilke olan Azure İyi Tasarlanmış Çerçeve'nin yapı taşlarını ele alır. Daha fazla bilgi için bkz . Microsoft Azure İyi Tasarlanmış Çerçeve.

Güvenilirlik

Güvenilirlik, uygulamanızın müşterilerinize sağladığınız taahhütleri karşılayabilmesini sağlar. Daha fazla bilgi için bkz . Güvenilirlik sütununa genel bakış.

Klinik verilerin ve içgörülerin kullanılabilirliği birçok sağlık kuruluşu için kritik öneme sahiptir. Bu çözümde belirtilen Azure hizmetlerinin kapalı kalma süresini en aza indirmenin yolları şunlardır:

  • Data Lake Depolama, yerel olarak yedekli depolama (LRS) veya alanlar arası yedekli depolama (ZRS) seçme seçeneğiyle birincil bölgede her zaman üç kez çoğaltılır.

  • Azure Event Hubs, tek tek makinelerin ve hatta eksiksiz rafların yıkıcı hata riskini bir veri merkezindeki birden çok hata etki alanına yayılan kümeler arasında yayar. Daha fazla bilgi için bkz. Azure Event Hubs - Coğrafi olağanüstü durum kurtarma.

  • Databricks, veri analizi platformu için olağanüstü durum kurtarma yönergeleri sağlar.

  • Machine Learning dağıtımı çok bölgeli olabilir.

Güvenlik

Güvenlik, kasıtlı saldırılara ve değerli verilerinizin ve sistemlerinizin kötüye kullanılmasına karşı güvence sağlar. Daha fazla bilgi için bkz . Güvenlik sütununa genel bakış.

Sağlık verileri genellikle hassas korumalı sağlık bilgilerini (PHI) ve kişisel bilgileri içerir. Bu verilerin güvenliğini sağlamak için aşağıdaki kaynaklar kullanılabilir:

Maliyet iyileştirme

Maliyet iyileştirmesi, gereksiz giderleri azaltmanın ve operasyonel verimlilikleri iyileştirmenin yollarını aramaktır. Daha fazla bilgi için bkz . Maliyet iyileştirme sütununa genel bakış.

Birçok Azure bileşeninin fiyatlandırması Azure Fiyatlandırma Hesaplayıcısı'nda bulunabilir. Sonuç olarak, bu çözümün fiyatlandırması aşağıdakiler gibi faktörlere bağlıdır:

  • Kullanılan Azure hizmetleri.
  • Veri hacmi, hasta/cihaz sayısı ve alınan etkinlik ve fizyolojik veri türleri açısından.
  • Event Hubs için kapasite ve aktarım hızı gereksinimleri.
  • Makine öğrenmesi eğitimi ve dağıtımları, Synapse Spark Havuzları ve Databricks kümeleri gerçekleştirmek için gereken işlem kaynakları.
  • Power BI gibi görselleştirme ve raporlama çözümü.

Bu çözümü uygularken, temel alınan Azure Data Lake için veri saklama ve arşivleme ilkesini göz önünde bulundurun. Aşağıdakiler için otomatik bir yol sağlamak için Azure Depolama yaşam döngüsü yönetiminden yararlanın:

  • dosya bloblarını seyrek erişim katmanına geçirme
  • dosyanın en son ne zaman değiştirildiğine göre arşiv katmanları.

Life365.health planları ve fiyatlandırması hakkında daha fazla bilgi edinmek için Microsoft Azure Market'deki Life365 API Bağlan Verileri teklifini gözden geçirin

Performans verimliliği

Performans verimliliği, kullanıcılar tarafından anlamlı bir şekilde yerleştirilen talepleri karşılamak amacıyla iş yükünüzü ölçeklendirme becerisidir. Daha fazla bilgi için bkz . Performans verimliliği sütununa genel bakış.

Bu çözüm, uzaktan hasta izleme için ölçeklenebilir neredeyse gerçek zamanlı bir mimari sağlar. Cihazlar ve Life365 API'leri arasındaki arabirimden Life365 API ve Azure Event Hubs'tan veri alımına, Azure Health Veri Hizmeti'nde MedTech Hizmeti'ndeki dönüşüme ve son olarak da data lake biçimine artımlı dışarı aktarma ve anonimleştirmeye kadar çok katmanlı veri akışının kabul edilmesi önemlidir. Bu nedenle, veri akışı neredeyse gerçek zamanlı olarak işlenir ve tüm aşağı akış uygulamaları ve/veya tümleştirmeleri bu şekilde tasarlanmalıdır. Ancak bu çözümün performansı, kurumsal düzeyde çok sayıda cihaz ve hastaya hizmet vermek için ölçeklendirilebilir.

Katkıda Bulunanlar

Bu makale Microsoft tarafından yönetilir. Başlangıçta aşağıdaki katkıda bulunanlar tarafından yazılmıştır.

Asıl yazarlar:

Genel olmayan LinkedIn profillerini görmek için LinkedIn'de oturum açın.

Sonraki adımlar

Bu mimariyi uygulamakla ilgili teknolojiler ve kaynaklar: