การจับคู่รูปแบบและการทำนายความต้องการเร่งด่วนในโรงพยาบาลเป็นงานที่ยากสำหรับบุคลากรทางการแพทย์ที่มีทักษะ แต่ไม่ใช่สำหรับ AI และการเรียนรู้ของเครื่อง บุคลากรทางการแพทย์ไม่ได้มีความหรูหราในการสังเกตผู้ป่วยแต่ละรายแบบเต็มเวลา แม้ว่าจะสามารถระบุความต้องการของผู้ป่วยได้อย่างดีเยี่ยมในสถานการณ์ที่เห็นได้ชัด แต่พยาบาลและเจ้าหน้าที่ทางการแพทย์ไม่มีความสามารถในการแยกแยะอนาคตจากอาการของผู้ป่วยที่ซับซ้อนซึ่งแสดงในช่วงเวลาที่เหมาะสม การเรียนรู้ด้วยเครื่องจักรมีความหรูหราไม่เพียง แต่การเฝ้าสังเกตและวิเคราะห์ข้อมูลผู้ป่วย 24/7 เท่านั้น แต่ยังรวมข้อมูลที่รวบรวมจากหลาย ๆ แหล่งเช่นบันทึกทางประวัติศาสตร์การประเมินรายวันโดยเจ้าหน้าที่ทางการแพทย์และการวัดค่าพลังงานแบบเรียลไทม์เช่นอัตราการเต้นของหัวใจ และความดันโลหิต การประยุกต์ใช้ AI ในการประเมินและการคาดการณ์ของโรคหัวใจวาย, ตกหลุม, จังหวะ, การติดเชื้อและภาวะแทรกซ้อนกำลังดำเนินไปทั่วโลก
ตัวอย่างในโลกแห่งความจริงคือโรงพยาบาล El Camino เชื่อมโยง EHR สัญญาณเตือนเตียงและพยาบาลเรียกข้อมูลแสงเพื่อการวิเคราะห์เพื่อระบุผู้ป่วยที่มีความเสี่ยงสูงต่อการล้ม โรงพยาบาล El Camino ลดอัตราการตกซึ่งเป็นต้นทุนหลักสำหรับโรงพยาบาล 39%
วิธีการเรียนรู้ของเครื่องที่ใช้โดย El Camino เป็นส่วนหนึ่งของภูเขาน้ำแข็ง แต่เป็นตัวแทนของอนาคตของการดูแลสุขภาพอย่างมีนัยสำคัญโดยใช้ข้อมูลเชิงลึกเชิงแอ็คชั่นหรือการวิเคราะห์ตามใบสั่งแพทย์ พวกเขากำลังใช้ข้อมูลที่เป็นไปได้เล็กน้อยและการกระทำทางกายภาพของผู้ป่วยเช่นออกจากเตียงและกดปุ่มช่วยเหลือร่วมกับบันทึกสุขภาพ - การวัดเป็นระยะโดยเจ้าหน้าที่โรงพยาบาล ขณะนี้เครื่องจักรของโรงพยาบาลไม่ได้ให้ข้อมูลที่สำคัญจากเครื่องตรวจจับการเต้นของหัวใจเครื่องช่วยหายใจเครื่องวัดความอิ่มตัวของออกซิเจน ECG และกล้องในอุปกรณ์จัดเก็บข้อมูลขนาดใหญ่ที่มีการระบุเหตุการณ์
