病院での緊急のニーズをパターンマッチングおよび予測することは、熟練した医療スタッフにとっては難しい作業ですが、AIや機械学習にとっては難しい作業です。 医療スタッフには、各患者をフルタイムで観察する贅沢はありません。 明らかな状況で患者の当面のニーズを特定することは非常に優れていますが、看護師と医療スタッフは、合理的な期間にわたって示される複雑な患者の症状から未来を見分ける能力を備えていません。 機械学習は、24時間年中無休で患者データを観察および分析するだけでなく、複数のソースから収集された情報（履歴記録、医療スタッフによる毎日の評価、心拍数、酸素使用量などのバイタルのリアルタイム測定）を組み合わせることもできますと血圧。 差し迫った心臓発作、転倒、脳卒中、敗血症、合併症の評価と予測におけるAIの適用は、現在世界中で進行中です。
実際の例は、エルカミノ病院がEHR、ベッドアラーム、ナースコールライトデータを分析にリンクし、転倒のリスクが高い患者を特定する方法です。 エルカミノ病院は、病院にとって大きな費用である転倒を39％削減しました。
El Caminoが使用する機械学習方法論は氷山の一角ですが、アクション重視の洞察や処方分析を使用したヘルスケアの将来を大きく表しています。 彼らは、利用可能な潜在的情報のわずかなサブセットと、患者がベッドから出て、健康記録と連動してヘルプボタンを押すなどの物理的行動を使用しています。これは病院スタッフによる定期的な測定です。 病院の機械は現在、心臓モニター、呼吸モニター、酸素飽和度モニター、ECG、およびカメラからの重要なデータをイベント識別付きのビッグデータストレージデバイスに供給していません。
