Dans le domaine de la santé, l'interopérabilité est la capacité de différents systèmes informatiques et applications logicielles à communiquer, à échanger des données et à utiliser les informations qui ont été échangées.
Bonjour les développeurs,
Nous sommes heureux d’annoncer le nouveau concours de programmation en ligne par InterSystems :
🏆 Concours de programmation : Agents IA pour FHIR🏆
Durée : 25 mai - 14 juin 2026
Prix : 12 000 $
10 h 47 — Les résultats de créatinine de José García arrive sur le serveur FHIR de l'hôpital. 2.1 mg/dL — une augmentation de 35 % par rapport au mois dernier.
Que se passe-t-il ensuite ?
Sans chatbot. Sans invites manuelles.
Les versions de maintenance 2025.1.4 et 2024.1.6 de la plateforme de données InterSystems IRIS®, d’InterSystems IRIS® for HealthTM, et de HealthShare® Health Connect sont désormais disponibles en disponibilité générale (GA). Ces versions incluent les correctifs pour plusieurs alertes et avis récemment publiés, notamment les suivants :
|
ID de l’alerte |
Produit et versions concernés |
Catégorie de risque et score |
Exigences explicites |
|
IF-9262 |
InterSystems IRIS® for Health InterSystems Health Connect™ versions |
Problème de stabilité du système : 5 (élevé) |
Des problèmes liés à FHIR et à l’interopérabilité santé peuvent entraîner des échecs de mise à niveau ainsi qu’un comportement inattendu ou indésirable du produit. |
Introduction
L’ajout récent des groupes FIFO permet de maintenir un traitement des messages en mode First-In, First-Out (FIFO) dans une production d’interopérabilité même lorsque le Pool Size est supérieur à 1, ce qui permet d’améliorer les performances sans sacrifier l’exactitude. Cette fonctionnalité apparaît pour la première fois dans InterSystems IRIS® data platform, InterSystems IRIS® for Health et InterSystems Health Connect™ à partir de la version 2025.3.
Le traitement des messages en mode First-In, First-Out est essentiel dans de nombreux scénarios d’intégration, en particulier dans le secteur de la santé. Traditionnellement, l’ordre FIFO est appliqué en configurant chaque hôte métier pour ne traiter qu’un seul message à la fois (Pool Size = 1). Bien qu’efficace, cette approche peut limiter le débit et sous-utiliser les ressources système. Les groupes FIFO permettent de préserver l’ordre FIFO lorsque cela est nécessaire, sans imposer un Pool Size de 1.
FHIR (Fast Healthcare Interoperability Resources) est le standard moderne pour le stockage et l’échange de données cliniques. Mais une fois vos données sur un serveur FHIR, comment les explorer concrètement ? Les données FHIR sont stockées au format JSON — puissant, mais peu pratique à lire directement. Je voulais un outil permettant de cliquer sur un patient et de voir ses pathologies, ses médicaments, ses résultats de laboratoire, etc., dans un format clair et lisible. J’ai donc créé le FHIR Patient Viewer.
L’application fonctionne entièrement dans Docker et se connecte directement à un serveur FHIR d’InterSystems IRIS for Health. Au démarrage, elle charge automatiquement 115 patients synthétiques dans IRIS — aucune configuration manuelle n’est nécessaire.
Cliquer sur un patient pour voir tous ses dossiers cliniques
La version v2026.1 vient d’être publiée en disponibilité générale (GA), et l’une des fonctionnalités que j’ai hâte d’utiliser est la fonction DTL Explainer.
Elle permet de prendre une transformation de données (Data Transformation) et, en un clic, d’obtenir une description lisible par un humain de cette transformation (que vous pouvez également utiliser comme base pour la description DTL).
Pour les DTL complexes, en particulier celles que vous n’avez pas écrites vous-même, ou que vous avez écrites il y a longtemps, cela permet d’obtenir rapidement une compréhension claire de leur fonctionnement.
La version 2026.1 de la plateforme de données InterSystems IRIS®, d’InterSystems IRIS® for HealthTM et de HealthShare® Health Connect est désormais disponible en disponibilité générale (GA). Il s’agit d’une version Extended Maintenance (EM).
Points forts de la version :
Le projet d’interface utilisateur d’interopérabilité a poursuivi son évolution depuis la version 2025.1 et a intégré de nombreux éléments suggérés et observés par vous — nos clients et partenaires. Nous continuons à investir dans les retours d’utilisateurs et à améliorer cette expérience essentielle. Dans la dernière version, 2026.1 pour IRIS, IRIS for Health, Health Connect et Health Connect Cloud, les applications Éditeur BPL et Visualiseur de messages / Visual Trace sont désormais disponibles en option (opt-in) !
Je l’ai peut-être déjà mentionné : je considère que les Visual Traces, ces diagrammes de séquence avec le contenu complet de chaque étape, sont une fonctionnalité fantastique de la plateforme de données IRIS ! Des informations détaillées sur le fonctionnement interne de l’API, sous forme de trace visuelle, peuvent être très utiles pour les projets sur la plateforme IRIS. Bien entendu, cela s’applique lorsque nous ne développons pas une solution à forte charge, auquel cas nous n’avons tout simplement pas le temps d’enregistrer/lire les messages.
Dans le cadre de la nouvelle vague d’interface utilisateur d’interopérabilité (voir les nouveautés dans 2025.1, et 2025.3 par @Aya Heshmat), la version v2026.1, déjà disponible en tant que Developer Preview, pourrait être une bonne raison de l’essayer — elle proposera la nouvelle interface utilisateur pour la visualisation et la Message Viewer et Message Search, y compris le Visual Trace (ainsi que d’autres améliorations UI).
Dans le cadre de la nouvelle vague d’interface utilisateur d’interopérabilité (voir les nouveautés dans 2025.1, et 2025.3 par @Aya Heshmat), la version v2026.1, déjà disponible en tant que Developer Preview, pourrait être une bonne raison de l’essayer — elle proposera la nouvelle interface utilisateur pour l’éditeur BPL (ainsi que d’autres améliorations UI).
Voici un aperçu rapide :
Parmi les éléments que j’apprécie particulièrement —
Les équipes des services d'aide médicale urgente (SAMU) arrivent souvent aux urgences avec des patients dont les données démographiques sont incomplètes ou inconnues : absence de numéro de dossier médical (NDM), de nom confirmé et parfois même de date de naissance. Pourtant, les notes de transport du SAMU doivent impérativement être intégrées au dossier médical approprié.
Intersystems IRIS Productions offrent un cadre performant pour connecter des systèmes hétérogènes, utilisant divers protocoles et formats de messages, de manière fiable, observable et évolutive. intersystems_pyprod, abréviation d'InterSystems Python Productions, est une bibliothèque Python permettant aux développeurs de créer ces composants d'interopérabilité entièrement en Python.
La santé vit une transformation numérique sans précédent. Dossiers patients, télésuivi, plateformes de coordination, IA… Les données affluent de toutes parts.
Mais si elles ne peuvent pas se parler, elles perdent leur sens. Aujourd’hui encore, les informations médicales sont souvent cloisonnées dans des systèmes qui ne dialoguent pas entre eux.
L’enjeu n’est donc plus seulement de collecter la donnée, mais de la rendre accessible, compréhensible et exploitable, pour les soignants, les patients et les décideurs.
La Chaîne logistique (Supply Chain) désigne l'ensemble des processus et activités réalisés par les divisions commerciales de l'entreprise, ses fournisseurs et ses partenaires (parties prenantes), depuis l'acquisition des matières premières jusqu'à la livraison au consommateur final, en passant par la production.
Lorsqu’on travaille avec InterSystems Interoperability (IRIS / Health Connect / Ensemble), les données de configuration sont souvent réparties entre de nombreux éléments de production : services, processus, opérations, adaptateurs et leurs paramètres.
Un besoin opérationnel ou de sécurité courant est de pouvoir répondre à des questions comme :
Dans cet article, nous explorerons différentes approches permettant d'étendre et de personnaliser le comportement des routeurs de messages d'interopérabilité intégrés à InterSystems IRIS (et IRIS Health).
Les routeurs de messages remplissent l'une des fonctions essentielles de l'intégration d'applications d'entreprise (EAI) et font partie des processus métier les plus fréquemment utilisés dans les productions d'interopérabilité.
Après un bref aperçu des classes de routeurs de messages intégrés dans InterSystems IRIS et IRIS for Health, cet article expliquera comment améliorer leurs capacités afin d'obtenir des résultats spécifiques, sans avoir à développer un processus métier à partir de zéro.
Une mise en garde s'impose : la plupart de ces techniques impliquent de remplacer les méthodes de l'implémentation actuelle des classes de routeurs de messages dans IRIS Data Platform et IRIS for Health 2025.x. Elles peuvent ne pas s'appliquer à d'autres versions antérieures ou futures.
Le référentiel GitHub qui accompagne cet article contient une collection d'exemples simples, minimalistes et volontairement abstraits illustrant les techniques abordées.
Nous vous invitons à nous faire part de vos avis, commentaires et retours constructifs!
Les architectures de données modernes utilisent des solutions de capture, transformation, déplacement et chargement de données en temps réel pour construire des lacs de données, des entrepôts analytiques et des référentiels de big data. Cela permet l'analyse de données provenant de diverses sources sans impacter les opérations qui les utilisent. Pour y parvenir, il est essentiel d'établir un flux de données continu, évolutif, élastique et robuste. La méthode la plus répandue pour cela passe par la technique CDC (Change Data Capture). Le CDC surveille la production de petits ensembles de données, capture automatiquement ces données et les transmet à un ou plusieurs destinataires, y compris les référentiels de données analytiques. L'avantage majeur est l'élimination du délai J+1 dans l'analyse, car les données sont détectées à la source dès qu'elles sont produites, puis répliquées vers la destination.
Cet article démontrera les deux sources de données les plus courantes pour les scénarios CDC, à la fois comme source et comme destination. Pour la source de données (origine), nous explorerons le CDC dans les bases de données SQL et les fichiers CSV. Pour la destination des données, nous utiliserons une base de données en colonnes (un scénario typique de base de données analytique haute performance) et un topic Kafka (une approche standard pour le streaming de données vers le cloud et/ou vers plusieurs consommateurs de données en temps réel).
Cet article fournit un exemple pour le scénario d'interopérabilité suivant:
Salut la Communauté,
Dans la première partie de cette série, on a vu les bases de l'interopérabilité sur Python Interoperability on Python (IoP), et surtout comment ça nous permet de construire des éléments d'interopérabilité comme des services métier, des processus et des opérations uniquement à l'aide de Python.
Maintenant, on est prêts à aller plus loin. Les scénarios d'intégration dans le monde réel vont au-delà du simple transfert de messages. Ils impliquent des interrogations programmées, des structures de messages personnalisées, une logique de décision, un filtrage et une gestion de la configuration. Dans cet article, on va se pencher sur ces fonctionnalités IoP plus avancées et montrer comment créer et exécuter un flux d'interopérabilité plus complexe uniquement à l'aide de Python.
Pour que ce soit plus concret, on va construire un exemple complet: La Reddit Post Analyzer Production (production d'analyseur de posts Reddit). Le concept est simple : récupérer en continu les dernières publications d'un subreddit choisi, les filtrer en fonction de leur popularité, leur ajouter des balises supplémentaires et les envoyer pour stockage ou analyse plus approfondie.
L'objectif final est ici de disposer d'un pipeline d'ingestion de données fiable et autonome. Tous les éléments principaux (service métier, processus métier et opération métier) sont implémentés en Python, ce qui montre comment utiliser l'IoP à l'aide de la méthodologie d'intégration axée sur Python.
Interoperability on Python (IoP) (Interopérabilité sur Python) est un projet de validation de concept conçu pour démontrer la puissance du cadre d'interopérabilité InterSystems IRIS lorsqu'il est associé à une approche axée sur Python. IoP exploite Embedded Python (une fonctionnalité d'InterSystems IRIS) pour permettre aux développeurs d'écrire des composants d'interopérabilité en Python, qui s'intègrent de manière transparente à la plateforme IRIS robuste. Ce guide a été conçu pour les débutants et fournit une introduction complète à l'IoP, à sa configuration et aux étapes pratiques pour créer votre premier composant d'interopérabilité. À la fin de cet article, vous comprendrez clairement comment utiliser l'IoP pour créer des solutions d'interopérabilité évolutives basées sur Python. IoP est particulièrement utile pour les développeurs qui travaillent avec InterSystems IRIS ou IRIS for Health, car il simplifie la création de services métier, de processus métier et d'opérations métier qui utilisent Python. Une telle approche réduit la dépendance à ObjectScript (le langage traditionnel pour le développement IRIS), le rendant plus accessible aux développeurs Python.
IoP offre plusieurs avantages aux développeurs:
Avant de vous lancer dans IoP, assurez-vous d'avoir les éléments suivants:
Dans ce tutoriel, nous utiliserons à l'aide d'une installation IRIS locale pour créer une production InterSystems IRIS comportant une fonctionnalité basée sur Python qui enregistre un message 'Hello World' à la réception d'une requête. Cela devrait démontrer une intégration transparente avec le cadre d'interopérabilité IRIS.
Les étapes suivantes décrivent le processus permettant d'atteindre cet objectif :
Commençons par l'étape 1.
Tout d'abord, configurez un environnement virtuel Python afin d'isoler les dépendances de votre projet et d'assurer la compatibilité avec IoP et InterSystems IRIS. Un environnement virtuel est un répertoire autonome contenant une version spécifique de Python et les packages requis pour votre projet. Une telle configuration évite les conflits avec d'autres projets Python et rationalise le processus de développement. Pour ce tutoriel, créez un dossier nommé IOP afin d'organiser vos fichiers de projets.
Accédez au dossier IOP et exécutez la commande suivante pour configurer l'environnement virtuel:
python -m venv .venv
Cette commande crée un répertoire .venv dans votre dossier IOP, contenant un interpréteur Python et tous les paquets que vous installez pour votre projet IoP.
Pour activer l'environnement virtuel sous Windows, exécutez la commande suivante:
.venv\Scripts\activate
Pour Unix ou MacOS, utilisez la commande suivante:
source .venv/bin/activate
Une fois votre environnement virtuel activé, installez le paquet iris-pex-embedded-python, dépendance principale de votre projet IoP, afin d'activer l'interopérabilité basée sur Python au moyen d'InterSystems IRIS. Exécutez la commande suivante dans votre terminal:
pip install iris-pex-embedded-pythonCette commande installe le paquet iris-pex-embedded-python et ses dépendances à partir du Python Package Index (PyPI) dans votre environnement virtuel. Après l'installation, vous pouvez utiliser le module IoP à l'aide de composants d'interopérabilité basés sur Python, tels que les activités commerciales pour votre projet IoP.
Le développement de la production interopérable InterSystems IRIS implique l'utilisation ou l'écriture de différents types de composants. Parmi ceux-ci figurent les services (qui traitent les données entrantes), les processus (qui gèrent le flux et la logique des données) et les opérations (qui gèrent les données ou les requêtes sortantes). Les messages circulant à travers ces composants doivent être constamment adaptés aux applications qui les utilisent. Ainsi, lesLes transformations de données constituent sans conteste le composant le plus courant dans les productions interopérables.
Le projet d'interface utilisateur d'interopérabilité, initié avec la version 2025.1, intègre désormais de nombreuses suggestions et observations de nos clients et partenaires. Nous continuons d'investir dans le recueil de vos commentaires et l'amélioration de cette expérience utilisateur essentielle. Dans la dernière version, 2025.3, pour IRIS, IRIS for Health, Health Connect et Health Connect Cloud, les applications DTL Editor et Configuration de la production sont disponibles en option. REMARQUE :
Bonjour à tous,
Excellente nouvelle pour les développeurs qui débutent avec InterSystems IRIS ! Des tutoriels interactifs et pratiques sont disponibles sur la plateforme Instruqt. Idéaux pour une prise en main rapide, des tests en environnement réel et une confiance accrue dans le développement avec IRIS.
.png)
Voici la liste des tutoriels disponibles :
Serveur FHIR
Le Serveur FHIR est une application logicielle qui met en œuvre la norme FHIR (Fast Healthcare Interoperability Resources), ce qui permet aux systèmes de soins de santé de Stocker, accéder, échanger, et gérer les données de soins de santé de manière standardisée.
InterSystems IRIS permet de stocker et de récupérer les ressources FHIR suivantes:
FHIR (Fast Healthcare Interoperability Resources) est un framework standard créé par HL7 International afin de faciliter l'échange de données de soins de santé de manière flexible, conviviale pour les développeurs et moderne. Il exploite les technologies web contemporaines pour assurer une intégration et une communication transparentes entre plusieurs systèmes de soins de santé.
La version 2025.3 de la plateforme de données InterSystems IRIS®, d'InterSystems IRIS® for Health™ et de HealthShare® Health Connect est désormais disponible. Il s'agit d'une version déployée en continu.
Bonjour à tous,
Continuons à travailler sur la génération de données de test et l'exportation des résultats via une API REST. 😁
Ici, je souhaite réutiliser la classe `datagen.restservice` créée dans l'article précédent : « Écriture d'un service API REST pour exporter les données patient générées au format .csv ».
Cette fois-ci, nous prévoyons de générer un bundle FHIR incluant plusieurs ressources pour tester le référentiel FHIR.
Voici une référence si vous souhaitez en savoir plus sur FHIR : « The Concept of FHIR: A Healthcare Data Standard Designed for the Future ».
C'est parti ! 😆
1.
Salut,
C'est moi encore 😁. Je travaille actuellement à la génération de fausses données patients à des fins de test avec Chat-GPT et Python. J'aimerais également partager mon apprentissage. 😑
Tout d'abord, créer un service d'API REST personnalisé est facile en utilisant %CSP.REST.
Commençons ! 😂
1. Créez une classe datagen.restservice qui étend %CSP.REST.
ClassExtends%CSP.REST2. Ajoutez une fonction pour générer les données du patient et les regrouper dans une chaîne csv
ExtendsAsvous pouvez tester la fonction dans le terminal en tapant
.png)
3. Ajoutez une fonction GetMyDataCSV()
Dans cette section, nous allons découvrir comment utiliser Python comme langage principal dans IRIS, ce qui vous permettra d'écrire la logique de votre application en Python tout en profitant de la puissance d'IRIS.
Mon haïku IRIS:
Store all things with