Узгодження моделей та прогнозування гострої потреби в лікарнях є складним завданням кваліфікованого медичного персоналу, але не для ШІ та машинного навчання. Медичні працівники не мають розкоші спостерігати за кожним своїм пацієнтом постійно. Хоча неймовірно добре виявляти негайні потреби пацієнтів за очевидних обставин, медсестри та медичні працівники не володіють можливостями розпізнавання майбутнього за складним набором симптомів пацієнта, виявлених протягом розумного періоду. Машинне навчання має розкіш не лише в спостереженні та аналізі даних пацієнтів 24/7, а й у поєднанні інформації, зібраної з різних джерел, тобто історичних записів, щоденних оцінок медичного персоналу та реальних вимірювань життєвих органів, таких як частота серцевих скорочень, використання кисню. і артеріального тиску. Застосування ШІ в оцінці та прогнозуванні неминучих інфарктів, падінь, інсультів, сепсису та ускладнень зараз ведеться у всьому світі.
Приклад у реальному світі - це те, як лікарня Ель-Каміно поєднала ЕГР, сигналізацію про ліжко та медсестру для отримання даних про світло для аналітики, щоб виявити пацієнтів з високим ризиком падіння. Лікарня Ель-Каміно зменшила падіння, основні витрати для лікарень, на 39%.
Методології машинного навчання, що використовуються Ель-Каміно, є вершиною айсберга, але суттєво представляють майбутнє охорони здоров’я, використовуючи орієнтовані на дії заходи або аналітику рецептів. Вони використовують невелику підмножину потенційної інформації та фізичних дій, здійснених пацієнтом, таких як вихід із ліжка та натискання кнопки допомоги у поєднанні із записами про стан здоров'я - періодичне вимірювання персоналом лікарні. Наразі лікарняна техніка не отримує значних даних від серцевих моніторів, моніторів дихання, моніторів насичення киснем, ЕКГ та камер у пристрої зберігання великих даних із ідентифікацією події.
