L'appariement des modèles et la prévision d'un besoin urgent dans les hôpitaux est une tâche difficile pour le personnel médical qualifié, mais pas pour l'IA et l'apprentissage automatique. Le personnel médical n'a pas le luxe d'observer chacun de ses patients à plein temps. Bien qu'incroyablement bons pour identifier les besoins immédiats des patients dans des circonstances évidentes, les infirmières et le personnel médical ne possèdent pas les capacités de discerner l'avenir à partir d'un éventail complexe de symptômes des patients présentés sur une période raisonnable. L'apprentissage automatique a le luxe non seulement d'observer et d'analyser les données des patients 24h / 24 et 7j / 7, mais également de combiner les informations collectées à partir de sources multiples, à savoir les enregistrements historiques, les évaluations quotidiennes par le personnel médical et les mesures en temps réel des paramètres vitaux tels que la fréquence cardiaque, la consommation d'oxygène et la pression artérielle. L'application de l'IA dans l'évaluation et la prévision des crises cardiaques imminentes, des chutes, des accidents vasculaires cérébraux, de la septicémie et des complications est actuellement en cours dans le monde entier.
Un exemple concret est la façon dont l'hôpital El Camino a lié les DSE, les alarmes de lit et les données de lumière d'appel infirmière aux analyses pour identifier les patients à haut risque de chutes. L'hôpital El Camino a réduit les chutes, un coût majeur pour les hôpitaux, de 39%.
Les méthodologies d'apprentissage automatique utilisées par El Camino ne sont que la pointe de l'iceberg, mais représentent de manière significative l'avenir des soins de santé en utilisant des informations axées sur l'action ou des analyses de prescription. Ils utilisent un petit sous-ensemble des informations potentielles disponibles et des actions physiques prises par le patient, telles que sortir du lit et appuyer sur le bouton d'aide conjointement avec les dossiers de santé - une mesure périodique par le personnel hospitalier. Les machines hospitalières n'alimentent actuellement pas de données importantes provenant de moniteurs cardiaques, de moniteurs de respiration, de moniteurs de saturation en oxygène, d'ECG et de caméras dans des dispositifs de stockage de données volumineuses avec identification des événements.
