A minták illesztése és a kórházakban fennálló igény felmérése nehéz feladat a képzett orvosi személyzet számára, de nem az AI és a gépi tanulás szempontjából. Az orvosi személyzetnek nincs luxusa, hogy minden betegét teljes munkaidőben megfigyelje. Annak ellenére, hogy hihetetlenül jól felismeri a betegek közvetlen szükségleteit nyilvánvaló körülmények között, az ápolónők és az orvosi személyzet nem képesek megérteni a jövőt az ésszerű időszakon át tartó komplex betegtípus-sorozat alapján. A gépi tanulásnak nemcsak a beteg adatainak a napi 24 órában történő megfigyelése és elemzése, hanem a több forrásból összegyűjtött információk, azaz a történeti nyilvántartások, az orvosi személyzet napi értékelése és az életerők valós idejű mérése is, például a pulzusszám, az oxigén felhasználása. és vérnyomás. Az AI alkalmazása a közelgő szívroham, esés, stroke, szepszis és szövődmények felmérésében és előrejelzésében jelenleg zajlik az egész világon.
Valós példa arra, hogy az El Camino Kórház összekapcsolta az EHR-t, az ágy riasztást és a nővér analitikát az adatokkal, hogy azonosítsák a magas esésveszélyes betegeket. Az El Camino Kórház 39% -kal csökkentette az esések számát, ami a kórházak jelentős költsége.
Az El Camino által alkalmazott gépi tanulási módszerek a jéghegy csúcsa, de cselekvés-központú betekintés vagy recept-elemzés segítségével jelentősen reprezentálják az egészségügy jövőjét. A rendelkezésre álló információk és a beteg által elvégzett fizikai tevékenységek kis részét használják, például kilépnek az ágyból és megnyomják a súgó gombot az egészségügyi nyilvántartásokkal összefüggésben - ezt a kórházi személyzet rendszeres időközönként méri. A kórházi gépek jelenleg nem továbbítanak jelentős adatokat a szívmonitorokról, légzésmonitorokról, oxigéntelítettség-monitorokról, EKG-kből és kamerákból az események azonosítását lehetővé tevő nagy adattároló eszközökbe.
