병원의 패턴 일치 및 긴급한 요구 예측은 숙련 된 의료진에게는 어려운 작업이지만 AI 및 기계 학습에는 적합하지 않습니다. 의료진은 각 환자를 풀 타임으로 관찰 할 수있는 사치가 없습니다. 명백한 상황에서 환자의 즉각적인 요구를 식별하는 데는 매우 뛰어나지 만, 간호사와 의료진은 합리적인 기간에 걸쳐 나타나는 복잡한 일련의 환자 증상으로부터 미래를 식별 할 수있는 능력이 없습니다. 기계 학습은 24/7 환자 데이터를 관찰 및 분석 할뿐만 아니라 여러 기록에서 수집 된 정보 (예 : 기록 기록, 의료진에 의한 일일 평가) 및 심박수, 산소 사용량과 같은 필수 요소의 실시간 측정을 결합하는 사치가 있습니다. 혈압. 임박한 심장 마비, 낙상, 뇌졸중, 패혈증 및 합병증의 평가 및 예측에 AI를 적용하는 것은 현재 전 세계에서 진행되고 있습니다.
실제 사례는 엘 카미노 병원 (El Camino Hospital)이 EHR, 병상 경보 및 간호사가 라이트 데이터를 분석에 연결하여 낙상 위험이 높은 환자를 식별하는 방법입니다. El Camino Hospital은 병원의 주요 비용 인 낙상을 39 % 줄였습니다.
El Camino가 사용하는 기계 학습 방법론은 빙산의 일각이지만 행동 중심 통찰력 또는 처방 분석을 사용하여 건강 관리의 미래를 크게 나타냅니다. 그들은 이용 가능한 잠재적 인 정보와 침대에서 나오거나 건강 기록과 함께 도움말 버튼을 누르는 것과 같이 환자가 취한 잠재적 인 정보 중 일부를 병원 직원이 주기적으로 측정하고 있습니다. 병원 기계는 현재 심장 모니터, 호흡 모니터, 산소 포화 모니터, ECG 및 카메라의 중요한 데이터를 이벤트 식별 기능이있는 빅 데이터 저장 장치에 공급하지 않습니다.
