メインコンテンツへジャンプ

DatabricksとXponentLのパートナーシップが、顧客が自分たちのFHIRニーズを解放することをどのように可能にしているかを発見してください。dbigniteについてもっと学びましょう。

あなたが体調を崩していると想像してみてください。患者として、あなたは最小限の摩擦であなたの病気を対処したいと思っているので、あなたはすぐに完全な健康に戻ることができます。

あなたが選択する医療施設(緊急治療、一般診療医のオフィス、病院)や、あなたが診察を受ける医療提供者に関係なく、ケアチームがあなたの全体的な患者旅行データにアクセスする能力は、効率的かつ効果的な治療を確保するためにこれまで以上に重要となっています。

ヘルスケアは膨大な量のデータを保有しています。実際、ヘルスケア業界は、世界のデータの30%を生成すると言われています。プロバイダーとの各エンカウンターは、あなたの健康ストーリーのパン粉を生成します。プロバイダーがこのデータをキャプチャするために使用するシステムの数を考えると、あなたの包括的な健康ストーリーにアクセスすることは大きな課題をもたらします。

相互運用可能なヘルスケア標準の出現と、ビッグデータプラットフォームとの組み合わせにより、ヘルスケア組織は今まで以上に患者の完全なビューを構築することが可能になりました。

相互運用可能なヘルスケア標準の可能性 - HL7とFHIR

今日、医療業界はHL7 v2やFast Healthcare Interoperability Resources(FHIR)のような相互運用性のあるインターフェース標準を活用して、データを交換し、ケアチームがどこにいても、データがどこで取得されても、個々の患者を全体的に見るより良い方法を促進しています。

FHIRは、複雑なネスト構造のリソース固有のデータでヘルスケアのすべての変異を表現するように設計されています。そのような広範な表現の性質は、FHIRから書き込み、内部フォーマットのカスタムスキーマにFHIRを読み込むことを両方とも困難にします。dbigniteは、Databricks上に構築されたオープンソースのソリューションで、FHIRを使いやすくし、ヘルスケアデータ共有の非効率性と戦う次の大きな開発として自己を確立します。

XponentL Dataは、dbigniteをFHIRコンバーターとして共同開発し、その能力は次のような期待をはるかに超えています:

  1. カスタムスキーマから任意のFHIRリソースに書き込むこと、最小限のデータマッピングとコード演習
  2. カスタムスキーマにFHIRを読み込み、ローコードを利用する
  3. リアルタイムストリーミングと分析のサポート
  4. カスタムFHIRリソースを利用するための拡張性

最高の点は、dbigniteのすべての機能がpySparkとSQLで動作し、他のFHIRコンバーターが必要とする追加の言語を学ぶ必要を排除し、FHIRデータへのアクセスをより多くのユーザーに民主化することです。

dbigniteのおかげでFHIRの使用がこれまでになく速くなり、この新たに見つかった効率性は、他のFHIR変換ツールがマッチできないスケールでの私たちのツールキットの利用を解放します。

ソースシステムからのFHIRをレイクハウスアーキテクチャに
above: reading FHIR from source systems into lakehouse architecture

レイクハウスからダウンストリームシステムへのデータインテリジェンス
above: writing data intelligence from lakehouse into downstream systems

FHIRの活用

大規模な統合配信ネットワーク(IDN)組織の例を考えてみましょう。おそらく、彼らの多くのクリニックではFHIRの読み書きが必要になるでしょう。dbigniteは、これらのインスタンスでスケールで適用することができます。

しかし、組織はまた、中央のハブから異なる部門のデータを見ることを望むかもしれません。アーキテクチャは、dbigniteが複数のブランチからFHIRを書き込み、その後、データをハブ内の指定された形式に読み込むように調整することができます。さらに、dbigniteは、同じ方法論を通じて、任意のレガシーデータをハブに近代化するために活用することができます。

近い将来に予定されているさらなる開発には:

  • GenAIとDatabricks Unity Catalogを利用して、FHIRスキーマとカスタムスキーマ間のリソースマッピングの必要性を減らす。これらはテーブルと列を自動的に記述し、業界固有の意味を推測することができます。
  • HL7 v2とCCDAをFHIRへの変換機能に含めることを拡大

さあ、始めましょう

FHIRの全潜在能力を解放し、シームレスで安全なヘルスケアデータアクセスを実現します。今日デモをリクエストして、dbigniteを実際に見て、あなたのデータ相互運用性を変革してください。

XponentLについて

私たちは、あなたのビジネスを前進させるために尽力する革新者です。私たちの使命は、複雑なデータ&AIの課題を、競争優位を提供する強力なソリューションに変えることです。変革への旅にご参加ください。詳しくは

こちら

Databricks 無料トライアル

関連記事

ヘルスケア領域におけるPHIデータのガバナンスの自動化

November 29, 2023 アーロン・ザヴォラ による投稿 in
背景:データデリバリーの近代化 今日の企業のデータ資産は、10年前とは大きく異なっています。各業界のアナリティクスは、モノリシックなデータプラットフォーム(リレーショナル・データベースやデータウェアハウス・アプライアンスなど)から、分散型でスケーラブルな、ほぼ無限のコンピューティングおよびストレージ機能(データレイクなど)へと移行しています。また、データは指数関数的なペースで増加しており、相互運用性の新たな機能を推進し、これまで以上に接続されたエコシステムを構築し、データが私たちの生活様式を形成する新たな機会を引き出しています。 データ資産のこの劇的な変化は、急速なペースで指数関数的なデータ配信の課題に対応するための新しい方法を見つける必要性をチームに促しています。その結果、 データメッシュ のようなフレームワークが人気を博し、成功を収めています。その中核となるデータメッシュは、セルフサービスによるデータデリバリーでビジネスチームのボトルネックを軽減し、「データを製品として」扱うことで、データインサイトの最大化を

意識不明の患者問題:ヘルスケアとライフサイエンスにおけるエンティティ解決の重要性の考察

このブログは、Stardogのシニア・ソリューション・アーキテクト、ティム・セドラックとの共同執筆です。 ヘルスケアとライフサイエンスでは、正確さがすべてです。 エンティティの解決(同じものを参照する複数のデータソースのレコードを特定、照合、統合するプロセス)に関しては、特にそうです。 医療機関やライフサイエンス企業にとって、これは複雑かつ重要な課題です。 幸いなことに、Databricks データインテリジェンスプラットフォームはこのような問題にも簡単に対応できます。 この革新的なソリューションはレイクハウス・アーキテクチャで構築され、セマンティック・レイヤーとしてStardog Voiceboxを使用しています。 医療における実体解決の重要性を示す実例を見てみましょう。 そして、今日組織が直面している課題に対する解決策についてお話します。 ERにおける患者識別-最も重要なエンティティ解決 あなたが救急外来の医師だとしましょう。 意識不明の患者(交通事故の被害者)が緊急治療を必要としています。 相手の命を救う可
業界一覧へ