Modelių derinimas ir nuolatinio poreikio numatymas ligoninėse yra sudėtingas kvalifikuoto medicinos personalo uždavinys, bet ne AI ir mašinų mokymasis. Medicinos personalas neturi prabangos stebėti kiekvieną savo pacientą visą darbo dieną. Nors slaugytojai ir medicinos personalas neįtikėtinai gerai atpažįsta tiesioginius pacientų poreikius esant akivaizdžioms aplinkybėms, jie neturi galimybių įžvelgti ateities iš sudėtingo paciento simptomų rinkinio, pasireiškiančio per pagrįstą laikotarpį. Mašinų mokymasis yra prabanga ne tik stebėti ir analizuoti paciento duomenis visą parą, bet ir derinti informaciją, surinktą iš įvairių šaltinių, ty istorinius įrašus, medicinos darbuotojų kasdienius vertinimus ir gyvybiškai svarbių dalykų, tokių kaip širdies susitraukimų dažnis, deguonies sunaudojimas realiu laiku, matavimus. ir kraujospūdis. Šiuo metu AI yra naudojamas vertinant ir prognozuojant artėjančius širdies priepuolius, kritimus, insultus, sepsį ir komplikacijas visame pasaulyje.
Realus pavyzdys yra tai, kaip El Camino ligoninė susiejo EHR, lovos aliarmą ir slaugytoją, norėdama išsiaiškinti pacientus, kuriems gresia didelis kritimo pavojus, į analizės duomenis, susijusius su analitika. „El Camino“ ligoninė 39 proc. Sumažino kritimus, tai yra didžiulė ligoninių kaina.
„El Camino“ naudojamos kompiuterinio mokymosi metodikos yra ledkalnio viršūnė, tačiau reikšmingai atspindi sveikatos priežiūros ateitį, naudojant į veiksmus orientuotas įžvalgas ar receptų analizę. Jie naudoja nedidelį potencialios turimos informacijos ir paciento atliktų fizinių veiksmų, pavyzdžiui, išėjimo iš lovos ir pagalbos mygtuko paspaudimo kartu su sveikatos įrašais, pogrupį - tai periodiškas ligoninės personalo matavimas. Šiuo metu ligoninių technika nepateikia didelių duomenų iš širdies, kvėpavimo monitorių, deguonies įsotinimo monitorių, EKG ir fotoaparatų į didelius duomenų saugojimo įrenginius su įvykio identifikavimu.
