Plateforme d'Intelligence Databricks pour HLS : Réadmission des patients

La plateforme d'intelligence Databricks est une architecture ouverte qui combine les meilleurs éléments des lacs de données et des entrepôts de données. Dans cette démo, nous vous montrerons comment construire une plateforme de données de santé de bout en bout pour ingérer des informations sur les patients.

Nous nous concentrerons sur la prédiction et l'explication du risque de réadmission des patients pour améliorer la qualité des soins.

Cette démo couvre la plateforme lakehouse de bout en bout :

• Ingérez des données de santé (de Synthea), puis transformez-les en modèle de données OMOP en utilisant Delta Live Tables (DLT), un cadre ETL déclaratif pour construire des pipelines de traitement de données fiables, maintenables et testables
• Sécurisez vos données ingérées pour garantir la gouvernance et la sécurité sur les données PII.
• Construisez des cohortes de patients et utilisez Databricks SQL et les points de terminaison de l'entrepôt pour visualiser votre population
• Construisez un modèle d'apprentissage automatique avec Databricks AutoML pour prédire le risque de réadmission des patients à 30 jours
• Orchestrez toutes ces étapes avec Databricks Workflows

Pour exécuter la démo, obtenez un espace de travail Databricks gratuit et exécutez les deux commandes suivantes dans un carnet Python :

%pip installez dbdemos

importer dbdemos
dbdemos.install('lakehouse-hls-readmission')