Сопоставление с образцом и прогнозирование острой потребности в больницах - трудная задача для квалифицированного медицинского персонала, но не для искусственного интеллекта и машинного обучения. Медицинские работники не могут позволить себе наблюдать за каждым из своих пациентов на постоянной основе. Хотя медсестры и медицинские работники невероятно хороши в определении неотложных потребностей пациентов в очевидных обстоятельствах, они не обладают способностями различать будущее по сложному набору симптомов, проявляющихся в течение разумного периода времени. Машинное обучение позволяет не только наблюдать и анализировать данные пациента 24/7, но и комбинировать информацию, собранную из нескольких источников, например, исторические записи, ежедневные оценки медицинского персонала и измерения жизненно важных показателей в реальном времени, такие как частота сердечных сокращений, потребление кислорода. и кровяное давление. Применение ИИ для оценки и прогнозирования неминуемых сердечных приступов, падений, инсультов, сепсиса и осложнений в настоящее время осуществляется во всем мире.
Пример из реальной жизни - это то, как больница Эль-Камино связывает ЭМК, тревогу в постели и медсестру с помощью световых данных для аналитики, чтобы идентифицировать пациентов с высоким риском падений. Больница Эль-Камино сократила количество падений, что является основной ценой для больниц, на 39%.
Методологии машинного обучения, используемые El Camino, являются верхушкой айсберга, но в значительной степени отражают будущее здравоохранения, используя ориентированные на действия идеи или аналитику рецептов. Они используют небольшое подмножество доступной потенциальной информации и физических действий, предпринимаемых пациентом, таких как выход из кровати и нажатие кнопки справки в сочетании с медицинскими записями - периодическое измерение со стороны персонала больницы. В настоящее время больничное оборудование не подает значимых данных с кардиомониторов, мониторов дыхания, мониторов насыщения кислородом, ЭКГ и камер в устройства хранения больших данных с идентификацией событий.
