Serverless on FHIR：在云上部署医疗健康机器学习模型
计算机与社会
2020-06-09 v1 机器学习
定量方法
摘要
机器学习（ML）在实现数字健康中起着至关重要的作用。硬件的进步与软件工具的民主化已使机器学习发生革命性变化。然而，用于在点 of care 处进行有效且高效临床决策支持的ML模型——即待执行任务的数学表示——的部署仍具挑战。ML模型以其高更替率不断改进其准确性与预测能力。更新下游健康信息系统所消费的模型对患者安全至关重要。我们引入了一种功能分类法与一种用于数字健康基于云模型部署的四层架构。这四层分别为：用于可维护性的容器化微服务、用于可扩展性的无服务器架构、用于可移植性的函数即服务，以及用于可发现性的FHIR模式。我们称此架构为Serverless on FHIR，并提议将其作为部署可被EMR和可视化工具等下游系统消费的数字健康应用的标准。
引用
@article{arxiv.2006.04748,
title = {Serverless on FHIR: Deploying machine learning models for healthcare on the cloud},
author = {Bell Raj Eapen and Kamran Sartipi and Norm Archer},
journal= {arXiv preprint arXiv:2006.04748},
year = {2020}
}
备注
10 pages, 1 figure