Usklađivanje obrazaca i predviđanje hitnih potreba u bolnicama je težak zadatak kvalificiranog medicinskog osoblja, ali ne i AI i strojno učenje. Medicinsko osoblje nema luksuz da svakodnevno promatra svakog svog pacijenta. Iako su nevjerojatno dobre u prepoznavanju neposrednih potreba pacijenata u očiglednim okolnostima, medicinske sestre i medicinsko osoblje ne posjeduju mogućnosti prepoznavanja budućnosti iz složenog niza pacijentskih simptoma izloženih tijekom razumnog razdoblja. Strojno učenje ima luksuz ne samo promatranje i analiziranje podataka o pacijentima 24/7, već i kombiniranje podataka prikupljenih iz više izvora, tj. Povijesnih zapisa, dnevnih procjena medicinskog osoblja i mjerenja vitalnih tijela kao što su brzina otkucaja srca, upotreba kisika. i krvnog tlaka. Primjena AI u procjeni i predviđanju skorog srčanog udara, padova, moždanog udara, sepse i komplikacija trenutno je u cijelom svijetu.
Primjer u stvarnom svijetu je kako je bolnica El Camino povezala EHR, alarm za krevet i medicinske sestre u analitičke podatke kako bi identificirala pacijente s visokim rizikom od pada. Bolnica El Camino smanjila je pad, što je glavni trošak bolnicama, za 39%.
Metodologije strojnog učenja koje koristi El Camino vrh su ledenog brega, ali značajno predstavljaju budućnost zdravstvene zaštite koristeći uvide usmjerene na akcije ili analitiku na recept. Koriste mali podskup potencijalnih dostupnih informacija i fizičkih radnji koje je poduzeo pacijent, poput izlaska iz kreveta i pritiska gumba za pomoć u kombinaciji sa zdravstvenim kartonima - periodično mjerenje bolničkog osoblja. Bolnički strojevi trenutno ne unose značajne podatke sa srčanih monitora, monitora za disanje, monitora zasićenja kisikom, EKG aparata i kamera u uređaje za pohranu velikih podataka s identifikacijom događaja.
