تعد مطابقة الأنماط والتنبؤ بالحاجة الملحة في المستشفيات مهمة صعبة للعاملين الطبيين المهرة ، ولكن ليس للتعلم الآلي والتعلم الآلي. لا يتمتع الموظفون الطبيون بترف مراقبة كل من مرضاهم على أساس التفرغ. على الرغم من أن الممرضين والعاملين في المجال الطبي يجيدون تحديد الاحتياجات العاجلة للمرضى في ظروف واضحة ، فإنهم لا يمتلكون قدرات تمييز المستقبل عن مجموعة معقدة من الأعراض التي تظهر على المريض خلال فترة معقولة. لا يتسم التعلم الآلي بميزة مراقبة وتحليل بيانات المريض على مدار الساعة وطوال أيام الأسبوع فحسب ، بل يجمع أيضًا بين المعلومات التي تم جمعها من مصادر متعددة ، مثل السجلات التاريخية والتقييمات اليومية من قبل الطاقم الطبي ، والقياسات في الوقت الفعلي للبيانات الحيوية مثل معدل ضربات القلب ، واستخدام الأكسجين وضغط الدم. إن تطبيق الذكاء الاصطناعي في تقييم وتوقع النوبات القلبية الوشيكة ، السقوط ، السكتات الدماغية ، الإنتان والمضاعفات جاري حاليًا في جميع أنحاء العالم.
مثال على العالم الحقيقي هو كيف ربط مستشفى El Camino EHR ، والتنبيه على السرير والممرضة استدعاء بيانات الضوء إلى التحليلات لتحديد المرضى المعرضين لخطر السقوط العالية. خفضت مستشفى El Camino السقوط ، وهي تكلفة كبيرة للمستشفيات ، بنسبة 39 ٪.
تعتبر منهجيات التعلم الآلي التي تستخدمها El Camino هي قمة الجبل الجليدي ، ولكنها تمثل بشكل كبير مستقبل الرعاية الصحية باستخدام رؤى مركزة على الإجراءات أو تحليلات الوصفات الطبية. إنهم يستخدمون مجموعة فرعية صغيرة من المعلومات المحتملة المتاحة والإجراءات المادية التي يتخذها المريض مثل الخروج من السرير ودفع زر المساعدة بالتزامن مع السجلات الصحية - وهو إجراء دوري يقوم به موظفو المستشفى. لا تقوم أجهزة المستشفيات حاليًا بتغذية بيانات مهمة من شاشات القلب وأجهزة مراقبة التنفس وشاشات تشبع الأكسجين وتخطيط القلب والكاميرات في أجهزة تخزين البيانات الكبيرة مع تحديد الحدث.
