Q:
Какие проблемы бизнеса могут решить машинное обучение?
A:В LeanTaaS наша цель - использовать прогнозную аналитику, алгоритмы оптимизации, методы машинного обучения и моделирования, чтобы раскрыть потенциал дефицитных активов в системе здравоохранения - сложная проблема из-за высокой изменчивости, присущей здравоохранению.
Решение должно быть в состоянии генерировать рекомендации, которые являются достаточно конкретными для того, чтобы линия фронта могла ежедневно принимать сотни реальных решений. Персонал должен быть уверен в том, что аппарат выполнил эти рекомендации, обработав огромные объемы данных, а также узнал обо всех изменениях в объеме пациента, составе, лечении, вместимости, персонале, оборудовании и т. Д., Которые неизбежно происходят с течением времени.
Рассмотрим решение, которое обеспечивает интеллектуальное руководство для планировщиков в нужный временной интервал, в котором должно быть запланировано конкретное назначение. Алгоритмы машинного обучения могут сравнивать шаблоны назначенных встреч с рекомендованным графиком назначений. Расхождения можно анализировать автоматически и в масштабе, чтобы классифицировать «пропуски» как уникальные события, ошибки планировщика или как показатель того, что оптимизированные шаблоны отклоняются от выравнивания и, следовательно, требуют обновления.
В качестве другого примера, существует множество причин, по которым пациенты могут прибыть рано, вовремя или поздно на назначенные приемы. Используя модель времени прибытия, алгоритмы могут непрерывно «изучать» степень пунктуальности (или отсутствия) на основе времени дня и конкретного дня недели. Они могут быть включены в конкретные настройки оптимального шаблона назначения, чтобы они были устойчивы к неизбежным потрясениям и задержкам, которые происходят в любой реальной системе, связанной с назначениями пациентов.
