_Spot_BS_Lavender-pup3ewwoa2.png)
利用MongoDB构建人工智能：Flagler Health的AI驱动之旅如何革新患者护理
内容提要
Flagler Health利用人工智能技术将患有慢性疼痛的患者与合适的医生匹配。他们使用MongoDB Atlas Vector Search来高效存储和查询患者数据。MongoDB的文档模型的灵活性使得数据编辑变得简单和高效。Flagler Health与诊所合作处理电子健康记录并生成个性化的治疗计划。MongoDB Atlas Search用于高效的数据搜索。MongoDB还在Flagler Health的业务中发挥关键作用，包括Web应用程序和患者参与。Flagler Health通过MongoDB的AI创新者计划开发新功能，旨在提升患者体验。
延伸解读
向量搜索在医疗匹配中的实际作用
Flagler Health 需要跨患者记录进行相似性搜索以匹配病情，但独立向量数据库效率低下。他们采用 MongoDB Atlas Vector Search，将数据存储与向量查询整合在单一平台，实现统一接口下的快速访问。这种集成方式避免了多系统间数据搬运的延迟，对需要实时处理电子健康记录并生成治疗计划的场景尤为重要。
文档模型为何比关系模型更适合快速迭代
Flagler Health 的 CTO 指出关系模型过于僵化，因此选择 MongoDB 的文档模型。这种灵活性让客户配置文件可以轻松定制，数据编辑和演进更简单。对于需要与多家诊所合作、处理数百万份电子健康记录并不断调整治疗逻辑的医疗 AI 公司，文档模型能减少 schema 变更带来的开发负担，支持业务快速扩展。
从数据管道到患者参与的统一架构
Flagler Health 在 Databricks 中处理电子健康记录，将 PDF 转为原始文本，再通过 MongoDB Spark Connector 和 Atlas Data Federation 从 AWS S3 流式传输到 MongoDB。实时应用数据与转换后的数据结合，用于生成个性化治疗计划。MongoDB 还支撑其 Web 应用和患者参与套件，这种统一架构简化了运维，避免管理循环，确保患者及时获得可能挽救生命的护理。
未来功能与 AI 创新者计划的支持
Flagler Health 计划开发数字门户，提供虚拟治疗、心理健康服务、治疗与恢复跟踪以及物理治疗视频库。他们借助 MongoDB 的 AI Innovators 计划获得技术支持和免费 Atlas 额度，从而快速集成新的 AI 功能。这表明在医疗 AI 领域，除了技术选型，生态支持也能加速产品迭代，帮助公司更快响应患者需求。
Q&A
Flagler Health如何利用人工智能改善慢性疼痛患者的治疗？
Flagler Health利用AI技术快速处理、综合和分析患者健康记录，帮助医生为晚期疼痛患者做出明智决策，识别和诊断准确率超过90%。
为什么Flagler Health选择MongoDB而不是关系型数据库？
因为关系模型过于僵化，而MongoDB的文档模型灵活性高，可以轻松定制客户端配置文件，简化数据编辑和演进，适应公司成长。
Flagler Health如何处理电子健康记录（EHR）并生成个性化治疗计划？
Flagler Health与多家诊所合作，在Databricks中处理数百万EHR文件，将PDF转换为原始文本，然后通过MongoDB Spark Connector和Atlas Data Federation将数据从AWS S3流式传输到MongoDB，结合实时应用数据生成个性化治疗计划。
MongoDB Atlas Vector Search在Flagler Health中起什么作用？
MongoDB Atlas Vector Search用于对患者记录进行相似性搜索，以匹配病情，将所有数据存储在单一位置，提供统一接口，实现快速访问和高效查询。
Flagler Health未来计划开发哪些新功能来提升患者体验？
Flagler Health计划开发数字门户，提供虚拟治疗和心理健康服务、治疗和恢复跟踪，以及物理治疗视频库。
MongoDB的AI创新者计划如何帮助Flagler Health？
MongoDB的AI创新者计划为Flagler Health提供技术支持和免费Atlas credits，使其能够快速在MongoDB Atlas开发者数据平台上集成新的AI功能。
