fhir-integratedml-example: aperçu général

En discutant avec un de mes amis, spécialiste du Machine Learning @Renato Banzai , il a évoqué l'un des plus grands défis pour les entreprises aujourd'hui : le déploiement du ML/IA dans des environnements réels.

InterSystems IRIS propose la solution "IntegratedML". IntegratedML est une fonctionnalité très utile pour entraîner, tester et déployer des modèles de ML/IA.

La partie la plus difficile dans la création de ML/IA est de faire le traitement des données, de les nettoyer et de les rendre fiables.

C'est là que nous pouvons tirer parti de la puissante norme FHIR !

L'idée du projet montre comment nous pouvons créer/entraîner/valider des modèles MI/IA avec FHIR et les utiliser avec des données provenant de différentes sources.

Nous pensons que ce projet a un grand potentiel, et que quelques idées peuvent être explorées :

• Réutilisation/extension des transformations DTL dans d'autres bases de données FHIR pour des modèles ML personnalisés
• Utilisation des transformations DTL pour normaliser les messages FHIR et publier les modèles ML en tant que services
• Création d'un référentiel de modèles et de règles de transformation à utiliser dans n'importe quel ensemble de données FHIR

En explorant de nouvelles possibilités avec ce projet, nous pouvons imaginer des données provenant de différentes sources

Dans l'image ci-dessus, la ressource FHIR, qui consomme l'API REST, peut être utilisée avec une solution FHIRaaS.

Nous pouvons non seulement utiliser FHIRaaS sur AWS, mais aussi le nouveau service de transformation des messages HealthShare Message Transformation Services, qui automatise la conversion de HL7v2 en FHIR® pour alimenter Amazon HealthLake, où il est possible d'extraire une plus grande valeur de vos données.

Avec ces petites démonstrations, je vois que ces ressources sont très bien utilisées dans des scénarios plus larges, permettant et fournissant plus facilement des déploiements en production dans des environnements vraiment innovants, comme le AWS Healthlake. Pourquoi pas ?! 😃