تنها وبسایت رسمی شرکت نوآوران سلامت گستر شریف noavaran-sharif.ir و noavaran-sharif.com

راه ارتباطی ما با شما سامانه پیامکی 50002210801

تنها لوگو رسمی ثبت شده شرکت نو آوران سلامت گستر شریف نوآوران شریف میباشد.

مقاله
موردپژوهی: بیمارستان چلسی و وست‌مینستر (لندن)
بهمن ۲, ۱۳۹۵
مقاله
ایمن سازی راه حل های نرم افزار به عنوان خدمت با استفاده از یک پروتکل جدید رمزنگاری انتها به انتها
بهمن ۲, ۱۳۹۵

گزارشی از تجربه‌ی طراحی و پیاده‌سازی سیستم‌های الکترونیکی بهداشت و درمان بر روی ابر Azure

مقاله

چکیده

فناوری بهداشت و درمان الکترونیکی به منظور مدیریت( ذخیره‌سازی، پردازش و بایگانی) خودکار اطلاعات، تغییر شکل مهمی از روش‌های سنتی کاغذی به سمت سیستم‌های مبتنی بر فناوری اطلاعات ارتباطات[۱] به وجود آورده است. سیستم‌های سنتی بهداشت و درمان الکترونیکی برای عملکرد عمودی بر روی شبکه‌های تخصیص‌یافته، رایانه‌های فیزیکی و سکوهای نرم‌افزاری با مدیریت محلی، طراحی شده‌اند و در نتیجه در برابر بسیاری از محدودیت‌های جدی مانند موارد زیر حساس هستند: ۱) کمبود مقیاس‌پذیری بنا بر تقاضا در موقعیت‌های بحرانی، ۲) سربار و هزینه‌های بالای مدیریتی، و ۳) استفاده‌ی ناکارآمد از منابع و صرف انرژی به دلیل کمبود خودکارسازی. در این مقاله، رویکردی برای انتقال سیستم‌های ICT در بخش بهداشت و درمان الکترونیکی، از معماری سنتی و درون‌سازمانیِ سرویس‌گیرنده/سرویس‌دهنده[۲] به سمت محیط رایانش ابری مجازی ارائه می‌شود. برای این منظور، دو کاربرد بهداشت و درمان الکترونیکی مبتنی بر ابر( سیستم مدیریت پزشکی و سیستم پزشکی از راه دور) برای نمایش چگونگی نفوذ خدمات ابر در توسعه و گسترش چنین کاربردهایی نیز فراهم شده است. سکوی رایانش ابری ویندوز Azure، به عنوان مثالی از سکوی ابر عمومی در مطالعه‌ی ما انتخاب شده است. چندین آزمایش ارزیابی برای درک کیفیت خدمات[۳] کاربردهای ما تحت بارهای کاری مختلف نیز بر روی Azure انجام شده‌اند.

۱٫ مقدمه

فراهم‌آوری خدمات کارآمد بهداشت و درمان در حال تبدیل به مشکلی چالشی برای دولت‌های سراسر دنیا است. از طرفی، افزایش آگاهی‌های مردم در زمینه‌ی پزشکی منجر به افزایش تقاضا برای خدمات بهداشت و درمان شده است و از طرف دیگر، دولت‌ها سرمایه و کارکنان محدودی برای تخصیص به این بخش دارند. مطالعات اخیر نشان داده است که بخش بهداشت و درمان نسبت زیادی از GPD را در بسیاری از کشورها مصرف می‌کند. در دهه‌های اخیر، ICT به طور گسترده‌ای در بخش بهداشت و درمان استفاده شده است که اثربخشی کارها را به طرز قابل توجهی بهبود بخشیده است. این موضوع منجر به توسعه‌ی بخش بهداشت و درمان الکترونیکی در سراسر جهان شده است. خدمات درمانی الکترونیکی اصطلاح جدیدی است که در آن سیستم‌های ICT برای مدیریت و هماهنگی بهتر اطلاعات به کار گرفته می‌شوند. Marconi اشاره می‌کند: “خدمات درمانی الکترونیکی کاربردی از اینترنت و دیگر فناوری‌های مرتبط در بخش بهداشت و درمان برای بهبود دسترسی، اثربخشی، کارایی و کیفیت فرآیندهای درمانی و کسب‌وکار است که توسط سازمان‌های بهداشت و درمان، پزشکان، بیماران و مصرف‌کنندگان در جهت بهبود وضعیت درمانی بیماران به کار گرفته می‌شود.” با این وجود، کاربرد مهم سیستم‌های ICT در بهداشت و درمان منجر به مسائلی جدی شده است. از آن‌جایی که تعداد زیادی از محاسبات، ذخیره‌سازی‌ها و تجهیزات شبکه‌سازی به طور گسترده برای کاربردهای خدمات درمانی الکترونیکی در بیمارستان‌ها به کار گرفته می‌شود، این تجهیزات نیروی الکتریکی یا انرژی زیادی مصرف می‌کنند. بر اساس Chamara، یک رایانه‌ی شخصی Dell 2350 1.8GHz Pentium 4( تنها واحد میزبان آن) ۶ وات در حالت Sleep و ۶۰ تا ۸۵ وات در حالت کاملاً روشن مصرف می‌کند. مطالعه‌ی دیگری توسط آزمایشگاه ملی Lawrence Berkeley اعلام می‌دارد که در ساختمان‌های تبلیغاتی، در شب‌ها و تعطیلات آخر هفته‌ها، ۶۰% از رایانه‌های شخصی رومیزی کاملاً روشن، ۳۶% خاموش و ۴% از آن‌ها sleep هستند در حالی که مدیریت نیروی برق موجود از سرورهای رایانشی استفاده می‌کند یا تجهیزات شبکه‌سازی تقریباً همیشه غیرفعال هستند. علاوه بر این، این پژوهش ثابت کرده است که حتی در بار کاری بسیار پایین مانند ۱۰% استفاده از CPU، نیروی برق مصرف‌شده بیش از ۵۰% از مقدار حداکثر آن است. به طور مشابه، سیستم‌های ICT غیرثابت هم‌چنین منجر به افزایش هزینه‌های خنک‌سازی می‌شوند. پیشرفت‌های اخیر فناوری در خدمات بهداشت و درمان الکترونیکی مانند شبکه‌های پزشکی ناحیه‌ی جسمانی[۴] با زیرساخت‌های درون‌سازمانی ICT در چالش هستند. بنا بر تحقیق هوش بازاریابی شرکت IBI، در پنج سال آینده، نزدیک به پنج میلیون حسگر بی‌سیم یک بار مصرف MBAN در معرض فروش خواهند بود. این MBANها نظارت مستمر بر وضعیت بیمار را با حس کردن و انتقال اندازه‌گیری‌هایی مانند ضربان قلب، نوار قلب( ECG)، دمای بدن، نرخ تنفس، صداهای قفسه‌ی سینه، فشار خون و مانند آن را امکان‌پذیر می‌سازند. MBANها موارد زیر را نیز فراهم می‌آورند: (۱) نظارت سوابق یا بی‌درنگ از سلامت بیمار، (۲) کنترل عفونت‌ها، (۳) تصدیق هویت بیمار و ردیابی او، و (۴) geo-fencing و هشدارهای ستون مهره‌ها. با این وجود، برای مدیریت و تحلیل چنین داده‌های MBAN عظیمی از میلیون‌ها بیمار به صورت بی‌درنگ، فراهم‌آورندگان بهداشت و درمان نیازمند دسترسی به زیرساخت ICT هوشمند و با مقیاس‌پذیری بالایی هستند. در نتیجه، واضح است که نیازی فوری به بهره‌وری از اثربخشی و مقیاس‌پذیری پویای زیرساخت ICT برای گسترش کاربردهای موجود و نسل آینده‌ی خدمات درمانی الکترونیکی وجود دارد. دست‌یابی به این امر با استفاده از سیستم‌های رایانش ابری پیشنهاد می‌شود. رایانش ابری شبکه‌های بزرگی از خدمات مجازی ICT مانند منابع سخت‌افزاری( همچون CPU، ذخیره‌سازی و شبکه)، منابع نرم‌افزاری( مانند پایگاه‌های داده، سرورهای کاربرد و سرورهای وب) و کاربردها ایجاد می‌کند. در صنعت این خدمات به عنوان زیرساخت برای خدمت[۵]، سکویی برای خدمت[۶] و نرم‌افزار برای خدمت[۷] شناخته می‌شوند. خدمات رایانش ابری در مراکز داده‌ی بزرگی قرار دارند که غالباً از آن‌ها به نام مزرعه‌ی داده یاد می‌شود و توسط شرکت‌هایی چون آمازون، Apple، گوگل و مایکروسافت استفاده می‌شوند. امروزه، رایانش ابری فرصت بزرگی برای بخش بهداشت و درمان فراهم آورده است. اولاً، می‌تواند به طور قابل توجهی هزینه‌های سرمایه‌گذاری اولیه در زیرساخت فناوری اطلاعات در بیمارستان‌ها را به دلیل مدل‌های قیمت‌گذاری pay-as-you-go کاهش دهد. دوماً، می‌تواند استفاده از منابع فناوری اطلاعات و کیفیت تحویل خدمات بهداشت و درمان را در بخش بهداشت و درمان بهبود بخشد. به علاوه، به اشتراک‌گذاری و مدیریت حجم زیاد اطلاعات توزیع‌شده‌ی پزشکی شامل پرونده‌های الکترونیک بیماران و تصاویر پرتو ایکس در سیستم خدمات درمانی الکترونیکی به وسیله‌ی محیط ابر، روند امروزه است. خدمات ذخیره‌سازی ابر راه‌حلی مناسب و مقیاس‌پذیر برای چنین چالش‌هایی در مدیریت داده‌های انبوه ارائه می‌دهند. اشاره می‌شود که بهینه‌سازی بهره‌وری انرژی مراکز داده‌ی رایانش ابری نیز به عنوان یکی از پژوهش‌های مهم در چند سال اخیر ظاهر شده است. بحث در مورد چگونگی بهینه‌سازی بهره‌وری انرژی در مراکز داده از محدوده‌ی این مقاله خارج است و فرض می‌شود که مرکز داده‌ی ابر پیاده‌سازی تعدادی از رویکردهای مبتنی بر نرم‌افزار و سخت‌افزار را برای اجرای بهینه‌سازی انرژی انجام می‌دهد. موضوع این مقاله مبتنی بر این واقعیت است که رایانش ابری بهره‌وری انرژی بهتری نسبت به رویکردهای سنتی کاربردها بر روی C/S دارد، همان‌طور که تثبیت بار کاری کاربردها را نیز از طریق به‌مقیاس‌آوری و از مقیاس خارج کردن پویای سیستم‌ها( مانند خاموش کردن سرور، انتقال و مانند آن) بهتر انجام می‌دهد. در این مقاله، دو کاربرد خدمات درمانی الکترونیکی ارائه می‌شود که به عنوان کاربردهای SaaS و با استفاده از خدمات ابر Azure در لایه‌های PaaS و IaaS برنامه‌نویسی شده‌اند. دو کاربرد عملی( سیستم مدیریت پزشکی مبتنی بر ابر و سیستم پزشکی از راه دور مبتنی بر ابر) نیز برای نمایش چگونگی استفاده از رایانش ابری در خدمات درمانی الکترونیکی به منظور غلبه بر محدودیت‌های معماری ICT سنتی و بهبود مقیاس‌پذیری و بهره‌وری انرژی کاربردهای بهداشت و درمان، توسعه یافته‌اند. سکوی رایانش ابری       Windows Azure به دقت و به عنوان مثالی از سکوی ابر عمومی برای میزبانی کاربردهای ما انتخاب شده است. در سطح برنامه‌نویسی، مدل برنامه‌نویسی ASP.NET MVC، پایگاه داده‌ی SQL Azure و زبان برنامه‌نویسی C# برای توسعه‌ی کاربردهای ما استفاده شده‌اند. دستاوردهای اصلی این مقاله به شرح زیر هستند: (۱) مفهوم انتقال کاربردهای خدمات درمانی الکترونیکی از معماری سنتی C/S به محیط رایانش ابری به منظور بهبود بهره‌وری انرژی و مقیاس‌پذیری نشان داده شده است، (۲) طراحی‌ها و پیاده‌سازی‌هایی از دو کاربرد خدمات درمانی الکترونیکی و گسترش آن‌ها در یک محیط رایانش ابری عمومی( Microsoft Azure) ارائه شده است، و (۳) آزمایش‌های زیادی برای ارزیابی کیفیت خدمات[۸] ویژگی‌های کاربردهایمان بر روی Microsoft Azure انجام شده است. ادامه‌ی این مقاله به صورت زیر تنظیم شده است. در بخش ۲، پیشینه‌ی پژوهش برای نشان دادن جدیدترین پژوهش‌های خدمات درمانی و رایانش ابری ارائه شده است. در بخش ۳، جزئیات کاربردهای خدمات درمانی الکترونیکی و معماری ICT مبتنی بر ابرِ استفاده شده در بیمارستان‌ها بحث شده‌اند و در بخش ۴، نتیجه‌ی آزمایش‌ها آمده‌اند. این مقاله با ملاحضات نتیجه‌گیری در بخش ۵ به پایان می‌رسد.

۲٫ پیشینه‌ی پژوهش

رایانه‌ها از دهه‌ی ۱۹۹۰ به طور گسترده‌ای توسط پزشکان استفاده شده‌اند. امروزه، بیش‌تر پزشک‌ها، پرستاران و دیگر شاغلین پزشکی از رایانه‌های شخصی برای پردازش سوابق بیماران، تجویزها و قرارها استفاده می‌کنند. برخی از رویکردهای رایانشی معمول مانند پرونده‌های الکترونیکی بیمار، تجویزهای الکترونیکی، داروخانه‌های الکترونیکی و پزشکی از راه دور، به طور گسترده توسط بخش بهداشت و درمان استفاده شده‌اند. اصطلاح پرونده‌ی الکترونیکی بیمار[۹] اشاره به سوابق دیجیتالیِ ذخیره‌شده در پایگاه‌های داده به منظور ذخیره‌سازی اطلاعات پزشکی و شخصی بیماران دارد. این سوابق می‌توانند شامل انواع مختلفی از اطلاعات مانند شرح حال شخصی بیماران، داده‌های فیزیولوژیکی، سوابق پزشکی، تجویزهای فراهم‌آورندگان پزشکی، نتایج آزمایش‌های فیزیولوژیکی یا حتی داده‌های چندرسانه‌ای مانند فیلم‌های دیجیتالی پرتو ایکس باشد. داده‌های EHR می‌توانند برای تأیید آتی وضعیت بیمار توسط پزشکان استفاده شوند یا برای تأیید اظهارات به شرکت‌های بیمه‌ها ارائه شوند. در مقایسه با سوابق پزشکی کاغذی استفاده شده در گذشته، سیستم EHR مزایای زیادی مانند جستجو و ذخیره‌سازی آسان دارد. بسیاری از کشورها استفاده از برنامه‌های جذاب EHR را شروع کرده‌اند. به عنوان مثال، دولت استرالیا متخصصین ملی انتقال خدمات درمانی الکترونیکی محدود[۱۰] را از سال ۲۰۰۴ به تحقیق در مورد سیستم‌های EHR گماشته است و اکنون، شروع به کار این سیستم تا سال ۲۰۱۳ پیش‌بینی می‌شود. در چین، سال‌ها است سیستم EHR در حال توسعه بوده است و تا سال آینده به کار گرفته می‌شود. علاوه بر این موارد، در بیمارستان‌ها و درمانگاه‌های کنونی، استفاده از نسخه‌های الکترونیکی و داروخانه‌های الکترونیکی به عنوان کاربردهای دیگری در خدمات درمانی الکترونیکی در حال گسترش است. پزشکی از راه دور نیز رویکرد معاصر دیگری برای ارتباط بیمار و پزشک او از فاصله‌ی زیاد و با استفاده از فناوری‌های کنفرانس تصویری با کیفیت بالا است. این روش معمولاً با دستگاه‌های کنفرانس ویدیویی، دستگاه‌های صوتی، اسکنر و الگوریتم‌های فشرده‌سازی مربوطه به داده و برای انتقال داده میان دو نقطه گسترش می‌یابد. مزیت این رویکرد نیز مبرهن است. بر اساس نظر O’Reilly در آلبرتای کانادا، یک ارزیابی از خدمات روان‌درمانی از راه دور، به دلیل حفظ زمان سفر هم رضایت بیماران و هم رضایت روانپزشکان را جلب کرده است.

به علاوه، روش‌های رایانش ابری برای مبادله‌ی داده‌های پزشکی و داده‌کاوی تحقیقات علوم پزشکی مناسب است. با روش سنتی، به منظور کشف داروها و درمان‌های پزشکی جدید، دانشمندان نیازمند تحلیل داده‌های پزشکی انبوه در طی سال‌ها و با سرمایه‌گذاری میلیون‌ها دلار بودند. با رایانش ابری، سرمایه‌گذاری‌ها و زمان صرف شده به شدت کاهش یافته‌اند. به علاوه، ابر می‌تواند برای شبکه‌ی حسگر جسم نیز استفاده شود. به عنوان مثال، داده‌های فیزیولوژیکی بیماران از راه دور می‌توانند مورد دست‌یابی قرار گیرند و به صورت بی‌درنگ، توسط پزشکان و از طریق ابر تأیید شوند. واضح است که در سال‌های اخیر، بخش‌های بیش‌تری شامل بهداشت و درمان از رایانش ابری به جای زیرساخت‌های رایانشی خود استفاده کرده‌اند. یک بررسی نشان می‌دهد که تقریبا سه چهارم مسئولین صنعت خدمات درمانی در حال برنامه‌ریزی یا استفاده از خدمات مبتنی بر ابر هستند. جدول ۱ نشان می‌دهد که ۳۲% از بخش‌ها در حال انجام فعالیت برای انتقال از تجهیزات سنتی رایانشی به سکوی ابر هستند.

۳٫ معماری کاربرد

به منظور نمایش مزایای قرارگیری کاربردهای خدمات درمانی بر روی محیط‌های رایانش ابری، دو کاربرد خدمات درمانی الکترونیکی توسعه و بر روی سکوی ابر Windows Azure گسترش یافته‌اند. اگرچه فروشندگان بسیاری مانند آمازون، IBM، گوگل و مایکروسافت وجود دارند که خدمات رایانش ابری را فراهم می‌آورند، Windows Azure در مقایسه با دیگر سکوهای ابر، مزایای منحصربه‌فردی دارد. اولین مزیت آن است که سکوی توسعه‌ی Visual Studio.Net یکپارچگی نزدیکی با سکوی ابر windows Azure دارد که منجر به یکپارچگی برنامه‌نویسی کاربردها و تجربیات گسترش شده است. در نتیجه، هر کس می‌تواند درون           Visual Studio کاربردهای مبتنی بر ابر را توسعه و اشکال‌زدایی کند. مایکروسافت هم‌چنین ابزاری به نام          “Publish to Windows Azure” ارائه داده است که به توسعه‌دهندگان امکان گسترش کاربردها بر روی Azure را می‌دهد. مزیت دیگر Windows Azure آن است که مستقیماً SQL Azure را به عنوان سیستم پایگاه داده با سکوی ابر ادغام می‌سازد. توسعه‌دهندگان می‌توانند سرور پایگاه داده‌ی SQL خود را از سیستم‌های پایگاه داده‌ی درون‌سازمانی با حداقل کدنویسی به درون ابر Azure انتقال دهند. مزیت سوم آن است که        Windows Azure مکانیزم‌های پشتیبان‌گیری با کارایی بالایی برای پایگاه داده‌ها، خدمات وب و ماشین‌ها و شبکه‌های مجازی فراهم می‌آورد. اولین کاربرد ما “سیستم مدیریت پزشکی مبتنی بر ابر” و دومین کاربرد ما “سیستم پزشکی از راه دور مبتنی بر ابر” نام دارد. شکل ۱ معماری سیستم مبتنی بر Windows Azure را برای گسترش کاربردهای خدمات درمانی الکترونیکی پیشنهادشده نشان می‌دهد. با توجه به تصویر، مشاهده می‌شود که سه لایه در معماری کاربرد خدمات درمانی الکترونیکی مبتنی بر ابر وجود دارد، IaaS، PaaS و SaaS. در لایه‌ی IaaS، Windows Azure خدمات زیرساختی مانند ماشین‌های مجازی، واحد ذخیره‌سازی و شبکه‌ی پرسرعت را فراهم می‌آورد. مؤلفه‌های کاربرد ما به منظور فراهم‌آوری خدمات وب و ذخیره‌سازی داده‌های انبوه خدمات درمانی بر روی محل ذخیره‌ی Blob در Azure بر روی ماشین‌های مجازی گسترش یافته‌اند که خدمتی برای ذخیره‌ی مقادیر انبوه داده‌های غیرساخت‌یافته است که از طریق HTTP یا HTTPS قابل دسترس هستند. یک blob می‌تواند در اندازه بسیار بزرگ ( در حد گیگابایت) و یک حساب ذخیره‌سازی می‌توان شامل حداکثر ۱۰۰ ترابایت blob باشد که می‌توانند برای دسترسی‌های توزیع‌شده استفاده شوند. Windows Azure دو نوع مختلف از blob را ارائه می‌دهد: اولی blob قطعه‌ای و دیگری blob صفحه‌ای است. بنابراین، Azure می‌تواند بر اساس نوع و ترکیب کاربردهای خدمات درمانی الکترونیکی، از فرمت‌های مختلف داده پشتیبانی کند. کاربردهای ما از محل ذخیره‌ی blob برای ذخیره‌سازی فایل تصاویر بیماران، داده‌های پرتو ایکس، مستندات EHR و داده‌های ویدیویی و صوتی استفاده می‌کنند. حصول اطمینان از امنیت و محرمانگی داده‌های خدمات درمانی الکترونیکی بر روی خدمات ذخیره‌سازی ابر عمومی خارج از محدوده‌ی این مقاله است. با این وجود، در آینده قصد داریم کاربردهای خدمات درمانی الکترونیکی خود را با سیستم TrustStore که توسط CSIRO توسعه یافته است ادغام کنیم. TrustStore راه‌حلی مبتنی بر خدمت برای تأمین منابع مرکز داده‌ی پیوندی (هم خصوصی و هم عمومی) با تضمین بالای امنیت و محرمانگی داده است. در طرف کاربر یا سرویس‌گیرنده در لایه‎‌ی IaaS، تمامی رایانه‌های رومیزی متداول در بیمارستان‌ها می‌توانند با پایانه‌های ابری نازک جایگزین شوند. در این مورد، تمامی کارکنان بهداشت و درمان می‌توانند مستقیماً و توسط تجهیزات رومیزی از راه دور، به کاربردهای بر روی ابر متصل شوند.

در لایه‌ی PaaS، کاربرد ما برای فراهم‌آوری خدمات آنلاین متکی بر خدمات وب، برای فراهم‌آوری پرسش‌های SQL متکی بر SQL Azure و برای ارائه‌ی خدمات ارتباطلا کنفرانس‌های ویدیویی زنده، وابسته به سرورهای رسانه‌ای هستند. دو کاربرد خدمات درمانی الکترونیکی ما در لایه‌ی SaaS برای فراهم‌آوری عملکردهای نرم‌افزار برای کاربران یا کارکنان بهداشت و درمان( پزشکان، پرستاران، داروسازها و مانند آن) اجرا می‌شوند. کاربرد ما می‌تواند بر اساس میزان کاری تقاضاها( مثلاً تعداد کاربران، اندازه‌ی داده و …) مقیاس پذیرد. بحث در مورد چگونگی مقیاس‌پذیری خودکار و پویای کاربردهای ما مبتنی بر میزان کاری تقاضاها از محدوده‌ی این مقاله خارج است.

الف. سیستم مدیریت پزشکی مبتنی بر ابر

اولین کاربرد خدمات درمانی الکترونیکی “سیستم مدیریت پزشکی مبتنی بر ابر” نام دارد که در شکل ۲ نشان داده شده است. این کاربرد با سیستم‌های مدیریت خدمات درمانی معمول تجمیع شده است و می‌تواند در بیمارستان‌ها، درمانگاه‌ها و دیگر سازمان‌های پزشکی به کار گرفته شود. در این سیستم، سودمندترین فرآیندهای کسب‌و‌کار و داده‌های مربوط به پزشکی شامل EHRها، نسخه‌های الکترونیکی، بایگانی‌های شخصی خدمات درمانی، داده‌های پرتو ایکس، مدیریت داروخانه‌های الکترونیکی، قرار ملاقات‌های الکترونیکی، پرداخت‌ها، حسابداری و سیستم‌های مدیریت مالی، به طور مؤثری مدیریت شده‌اند. در این کاربرد، مؤلفه‌های نرم‌افزاری توسط زبان C# بر روی سکوی توسعه‌ی Visual Studio 2012 توسعه یافته‌اند. مدل برنامه‌نویسی مدل- نما- کنترل‌گر[۱۱]و نیز SQL SERVER 2008 به عنوان پایگاه داده استفاده شده‌اند. شکل ۳ یک نمودارِ جریان به زبان مدل‌سازی یکپارچه[۱۲] از سیستم مدیریت پزشکی مبتنی بر ابر را نشان می‌دهد. در این نمودار جریان، فرآیندهای عمده‌ی کسب‌و‌کار به عنوان چهار مدل توصیف شده‌اند: ماژول بیمار، ماژول پزشک، ماژول مدیر سیستم و ماژول داروخانه. از آن‌جایی که این کاربرد با استفاده از مدل MVC طراحی شده است، چندین کلاس اصلی در مؤلفه‌ی کنترل‌گر تعریف شده‌اند. این ۹ کلاس اصلی در نمودار UML شکل ۴ نشان داده شده‌اند. هر کلاس یک خدمت را پیاده‌سازی می‌کند. در هر کلاس، چند تابع نیز بر اساس عملکردهای مربوطه تعریف شده‌اند. در خدمت داروخانه، ۳ زیرماژول اصلی به نام‌های DrugInventory، DrugPurchase و DrupSales تعریف شده‌اند. به عنوان مثال، در کلاس DrugInventory، ۶ تابعِ شکل ۵ تعریف شده‌اند: (۱) DrugInventoryCreate، (۲) DrugInventoryDetails، (۳) DrugInventoryIndex، (۴) DrugStockCreate، (۵) DrugStockDetails و (۶) DrugStockIndex. در این کاربرد، پایگاه داده    MS SQL است که بر روی سیستم پایگاه داده‌ی SQL Azure در سکوی Windows Azure گسترش یافته است. پس از ایجاد نمونه‌ای از پایگاه داده‌ی SQL بر روی Azure، کاربران می‌توانند اسکریپت‌های SQL Server را که بر روی یک ماشین محلی توسعه یافته است، اجرا کنند. پایگاه داده بر روی نمونه‌ای از SQL Azure تکثیر می‌شود. کاربرد می‌توانند از طریق ADO.NET یا دنباله‌های اتصال ODBC به نمونه‌ی پایگاه داده بر روی سرور            Azure SQL متصل شود. در این کاربرد، چندین جدول طراحی شده‌اند. شکل ۶ نشان‌دهنده‌ی نمودارهای UML پایگاه داده‌ی سیستم مدیریت پزشکی مبتنی بر ابر است. ۴ جدول اصلی برای پشتیبانی از بیش‌تر کارکردها در سیستم خدمات درمانی الکترونیکی طراحی شده‌اند: “بیماران”، “قرار ملاقات‌های الکترونیکی”، “پرداخت‌ها” و “EHR”.

ب. سیستم پزشکی از راه دور مبتنی بر ابر

کاربرد خدمات درمانی الکترونیکی دیگری که بر روی معماری ابر استفاده می‌شود، “سیستم پزشکی از راه دور مبتنی بر ابر” نام دارد که با عملکردهای چندگانه‌ای مانند قرار ملاقات‌های الکترونیکی، مشاوره‌های الکترونیکی، پزشکی از راه دور و نسخه‌های الکترونیکی ادغام شده است. بر اساس سکوی ابر Azure، بیماران می‌توانند پزشکان را از راه دور و از طریق اینترنت مشاهده کنند و در مورد مشکلات سلامتی با آن‌ها مشورت نمایند و پزشک می‌تواند سوابق پزشکی، تصاویر پرتو ایکس و مواردی از این قبیل و حتی داده‌های فیزیولوژیکی کنونی بیمار را به صورت بی‌درنگ و توسط حسگرهای جسمی شبکه بررسی کند. کاربرد پزشکی از راه دور یک سیستم پیوندی است و روش‌های ارتباطی مختلف و سخت‌افزار را با هم ترکیب می‌کند. در این آزمایش، از یک دوربین وب به عنوان کاربر روبه‌روی دستگاه، یک کدبند[۱۳] Microsoft Expression  ۴ به عنوان روش فشرده‌سازی ویدیو و ماشین مجازی Windows Azure به عنوان سرور ویدیوی زنده استفاده شده است. در سکوی ابر Azure، سرور رسانه‌ی زنده برای پردازش تصویر و صوت گسترش یافته است. شکل ۷ نمودار ماژول‌های اصلی در سیستم پزشکی از راه دور مبتنی بر ابر را نشان می‌دهد. Windows Azure خدمت مقیاس‌پذیر ویدیو را از طریق خدمت رسانه‌ی web-role که در ماشین مجازی اجرا می‌شود، ارائه می‌دهد. در پردازش up nstreaming در شکل ۸، Expression Encoder 4 برای جمع‌آوری داده‌ی خام از دوربین در طرف کاربر( یک بیمار یا یک پزشک) و از کدبند برای تبدیل ویدیو به فرمت Silverlight استفاده خواهد شد در حالی که، رشته‌ی ویدیویی به سمت یک web-role که یک ماشین مجازی در Windows Azure است، فرستاده می‌شود. Web-role یک خدمت رسانه‌ی خدمات اطلاعات اینترنتی[۱۴] است که می‌تواند رشته‌های ویدیویی را از یک نقطه‌ی ارسال مثلا domain.com/push.isml/mainifest، دریافت کند. در فرآیند دریافت رشته، یک web-role در Windows Azure، رشته‌ی ویدیویی را با برقراری تعادل بارگذاری می‎‌کند و آن را بر روی نقطه‌ی دریافت مثلاً domain.com/pull.isml/manifest، منتشر می‌سازد. این فرآیند توسط سرور رسانه و بر روی web-role در Windows Azure انجام می‌شود. این نقطه‌ی انتشار، پخش‌کننده‌ی ویدیو را قادر به دریافت رشته‌های ویدیو از سرور رسانه می‌سازد. در سمت سرویس‌گیرنده، پخش‌کننده‌ی Silverlight باید بر روی مرورگر وب( یا اینترنت اکسپلورر و یا فایرفاکس) نصب شده باشد. رشته‌ی ویدیو که به فرمت Silverlight است رمزگشایی و توسط مرورگر وب نمایش داده می‌شود. شکل ۹ جریان کاری سیستم پزشکی از راه دور را نشان می‌دهد. در این سیستم، یک بیمار می‌تواند ثبت نام کند و سپس برای جستجوی پزشک مناسب در راه دور و قرار گذاشتن با او در تاریخ و زمان موجود، وارد سیستم شود.  سپس در تاریخ و زمان قرارگذاشته‌شده، بیمار برای ملاقات با پزشک مذکور وارد سیستم می‌شود. بیمار قادر است پزشک را بر روی رابط سیستم و از طریق ویدیو و صوت ببیند و در رابطه با مسائل خود، با او صحبت کند. به علاوه، بیمار می‌تواند داده‌های دیگر فیزیولوژیکی مانند آخرین گزارش آزمایش خون، تصویر پرتو ایکس، نمودار گوارشی[۱۵] یا دیگر داده‌های چندرسانه‌ای و توصیفات متنی خود را به پزشک ارائه دهد. در پایان مشاوره، پزشک می‌تواند نتیجه‌گیری، راه‌حل یا نسخه‌ی خود را ارائه دهد. این نسخه بر روی سیستم بیمار نشان داده می‌شود و بیمار از توصیه‌ها پیروی خواهد کرد و در نهایت، مشاوره خاتمه می‌یابد.

۴٫ نتایج اولیه‌ی آزمایش‌ها

در آزمایش‌های ما، کاربردهای ذکرشده بر روی ابر Windows Azure گسترش یافته‌اند. خدمات زیر برای این گسترش بر روی ابر Windows Azure قرار گرفته‌اند: خدمات وب ابری، پایگاه داده‌های Azure SQL، ماشین مجازی، IIS و خدمات زنده و بدون اشکال/هموار رشته‌های رسانه‌ای. در این آزمایش‌ها، دسترس‌پذیری سرور اشباع‌ناپذیر فرض شده است، بنابراین به یک خدمت مجازی وب یا پایگاه داده‌ی SQL، به ازای هر درخواست خدمت، ظرفیت کافی تخصیص داده می‌شود. در طرف کاربر نهایی، تعداد زیادی از کاربران در یک بیمارستان شبیه‌سازی می‌شوند که با استفاده از ابزارهای نسل بار کاری، به خدمات دو کاربرد خدمات درمانی الکترونیکی دسترسی دارند. در ابتدا، از JMeter برای شبیه‌سازی ۲۰ گروه از کاربران همروند برای ارزیابی مقیاس‌پذیری کاربردهایمان بر روی ابر Windows Azure استفاده شده است. به طور خاص، کمیت میانگین زمان پاسخ درخواست‌های HTTP[16] مؤلفه‌های زیر که مربوط به سیستم مدیریت پزشکی مبتنی بر ابر هستند تعیین شده است: (۱) خدمات وب و (۲) پایگاه داده‌ی SQL. شکل ۱۰اندازه‌گیری ARTHR تحت گروه‌هایی از کاربران همروند با اندازه‌های مختلف را نشان می‌دهد. همان‌طور که انتظار می‌رود و از نتایج اولیه نیز واضح است، مقدار ARTHR با افزایش تعداد کاربرانی که به خدمت دسترسی می‌یابند، کاهش می‌پذیرد. مشاهده شد که ARTHR برای جمعیت کمتر از ۹۳، کمتر از ۲۰۰ میلی ثانیه خواهد ماند. با این وجود، همان‌طور که بار کاری کاربران همروند به ۹۳ و بیش از آن افزایش یافت، مقدار ARTHR نیز به بالای ۲۰۰میلی ثانیه رشد یافت. به عنوان مثال، با افزایش جمعیت کاربران همروند به ۱۰۲۴، مقدار ARTHR به طور قابل توجهی افزایش رسید و نهایتاً به ۱۲۰۵ میلی ثانیه رسید. خط قرمز بر روی نمودار نشان‌دهنده‌ی رکود بالاترین حد پاسخ HTTP است. یک خط افقی در ۲۰۰ میلی ثانیه آستانه‌ی رکود بالاترین حد پاسخ HTTP خدمت وب بر روی ابر Azure را نشان می‌دهد.  این بدان معنا است که کاربردهای خدمات درمانی الکترونیکی ما با پیکربندی کنونی Azure ( یک نمونه) و زمانی که تعداد کاربران همروند را در کمتر از ۹۳ نگه داریم، بهترین کیفیت خدمت را با توجه به ARTHR برای خدمات وب و پرسش‌های پایگاه داده فراهم می‌آورد. ما بر این باور هستیم که کاربردهای ما می‌توانند از طریق پیاده‌سازی یک روش فراهم‌آوری کاربرد خودکار، که برای افزایش یا کاهش بار کاری با مقیاس‌پذیری پویای تعداد نمونه‌های مؤلفه‌های کاربردها سازگار خواهند شد، برای جمعیت‌های بزرگ‌تری از کاربران نیز مقیاس بپذیرند و قصد داریم تا این جنبه را در فعالیت‌های آتی خود مورد بررسی قرار دهیم. در آزمایش دوم، مقیاس‌پذیری و QoS خدمات زنده و بدون اشکال رشته‌های رسانه‌ای که بر روی یک ماشین مجازی( یک خدمت لایه‌ی IaaS) در Windows Azure قرار گرفته را ارزیابی می‌کنیم. در سیستم پزشکی از راه دور مبتنی بر ابر، خدمات زنده‌ی رسانه‌ای بر روی ماشین مجازی از طریق سیستم کنفرانس ویدیویی و به منظور پیاده‌سازی یک مشاوره‌ی پزشکی آنلاین و ساده توسط بیمار و پزشک گسترش یافته‌اند. در این آزمایش، از ابزار آزمایش عملکرد رشته‌ی روان و بدون اشکال[۱۷] که بار کاری را برای خدمات رشته‌های رسانه‌ای شبیه‌سازی می‌کند استفاده شده است. این ابزار کاربر واقعی را که از طریق یک خدمت رشته‌ای برای اتصال به رشته‌ی رسانه‌ای موجود تلاش می‌کند شبیه‌سازی می‌نماید. در این‌جا، میانگین زمان بازیابی قطعات ویدیویی/ صوتی در دسترسی به QoS رشته‌ی رسانه‌ایِ خدمت رسانه‌ی مجازی را تحلیل می‌کنیم. در این آزمایش، یک ماشین مجازی متوسط با ۲ هسته، حافظه‌ی ۳٫۵ GB انتخاب و در مرکز داده‌ی غرب ایالات متحده برای میزبانی خدمت رسانه قرار داده شده است. در سیستم ما، کنفرانس ویدیویی شامل ۲ کاربر یعنی یک پزشک و یک فراهم‌آورنده‌ی بهداشت و درمان است. نتایج اولیه نشان می‌دهند که کارایی رشته‌ی صوتی در طی قطعات یا فایل‌های مختلف ثابت باقی می‌ماند که این موضوع در شکل ۱۱ نشان داده شده است. این موضوع قابل انتظار است زیرا فایل‌های صوتی اگر با استفاده از روش‌های رمزنگاری کارآمد فشرده شوند، عموماً از نظر ارتباطات شبکه‌ای سنگین نیستند. با این وجود، رشته‌ی ویدیویی از نظر زمان پاسخ برای قطعات یا بخش‌های مختلف فایل نشان‌دهنده‌ی QoS متزلزلی است که این موضوع در شکل ۱۲ مشاهده می‌شود. ما بر این باور هستیم که QoS متزلزل ویدیو به دلیل تغییر پهنای باند شبکه میان دو کاربر است. در فعالیت‌های آتی، توسعه‌ی روش‌های QoS شبکه برای درک پویای ازدحام و پهنای باند میان کاربران و کاربردهای قرار گرفته بر روی ابر مورد بررسی قرار خواهند گرفت. چنین روشی به انتقال پویای محتوای ویدیویی در سراسر مراکز داده و به منظور بهبود QoS کاربر کمک خواهد کرد. شکل‌های ۱۳ و ۱۴ عملکرد خدمات رشته‌های رسانه‌ای را به ترتیب با ۴ و ۲ دوربین نشان می‌دهند. مشاهده می‌شود که میانگین زمان پاسخ قطعات ویدیو با ۴ دوربین، ۴۹۷ میلی ثانیه و با ۲ دوربین، ۴۹۶ میلی ثانیه است در حالی که، عملکرد صوت در هر دو حالت در ۱۶۹ میلی ثانیه یکسان است. علاوه بر این، بر روی توسعه‌ی روش‌های امنیت و محرمانگی داده به منظور محافظت داده‌های محرمانه‌ی خدمات درمانی الکترونیکی نیز باید فعالیت شود.

۵٫ نتیجه‌گیری

در این مقاله، تجربه‌ی طراحی و پیاده‌سازی دو سیستم کاربرد خدمات درمانی الکترونیکی با استفاده از سکوی ابر Azure ارائه شد. این مقاله، با تحلیل چالش‌های بخش بهداشت و درمان( کمبود مقیاس‌پذیری، ناکارآمدی انرژی و مواردی از این قبیل) در تحویل الکترونیکی خدمات درمانی با استفاده از معماری سنتی C/S آغاز شد. رویکرد ارائه‌شده در این مقاله این چالش‌ها را با استفاده از خدمات رایانش ابری هدف قرار می‌دهد. نمونه‌ای از سیستم‌های کاربرد خدمات درمانی الکترونیکی‌مان را پیاده‌سازی و با موفقیت کارایی QoS آن را بر روی ابر Azure و تحت شرایط مختلف بار کاری ارزیابی کرده‌ایم. به عنوان بخشی از فعالیت‌های کنونی، بر روی چارچوبی کشسان و هوشمند برای تأمین خودمختار کاربردهای خدمات درمانی الکترونیکی بر روی محیط‌های ابر خصوصی یا عمومی کار خواهد شد. این چارچوب تأمین بهینه و مبتنی بر دانش منابع را در حالی که با رشته‌ها/ حجم‌هایی متزلزل از داده، تعداد کاربران و غیر قابل پیش‌بینی بودن بار کاری منابع مختلف سازگار می‌شود، فراهم می‌آورد.

منبع

Lu, Shilin, Rajiv Ranjan, and Peter Strazdins. “Reporting an experience on design and implementation of e‐Health systems on Azure cloud.” Concurrency and Computation: Practice and Experience 27.10 (2015): 2602-2615.

[۱] Information Communication Technology (ICT)

[۲] Client/ Server (C/S)

[۳] Quality of Service (QoS)

[۴] Medical Body Area Networks (MBAN)

[۵] Infrastructure as a Service (IaaS)

[۶] Platform as a Service (PaaS)

[۷] Software as a Service (SaaS)

[۸] Quality of Service (QoS)

[۹] Electronic Health Record (EHR)

[۱۰] National E-Health Transition Authority Limited (NEHTA)

[۱۱] Model–view–controller (MVC)

[۱۲] Unified Modeling Language (UML)

[۱۳] Encoder

[۱۴] Internet Information Services (IIS)

[۱۵] EGG Chart

[۱۶] Average Response Time of HTTP Request (ARTHR)

[۱۷] Smooth Stream Performance Testing Tool

دریافت مقاله

برای دریافت این مقاله برروی دکمه دانلود کلیک نمایید.