Het matchen van patronen en het voorspellen van een dringende behoefte in ziekenhuizen is een moeilijke taak voor ervaren medisch personeel, maar niet voor AI en machine learning. Medisch personeel heeft niet de luxe om al hun patiënten fulltime te observeren. Hoewel ongelooflijk goed in het identificeren van de onmiddellijke behoeften van patiënten in voor de hand liggende omstandigheden, beschikken verpleegkundigen en medisch personeel niet over de mogelijkheden om de toekomst te onderscheiden van een complex scala aan patiëntensymptomen die gedurende een redelijke periode werden getoond. Machine learning heeft de luxe van het niet alleen observeren en analyseren van patiëntgegevens 24/7, maar ook het combineren van informatie verzameld uit meerdere bronnen, zoals historische gegevens, dagelijkse evaluaties door medisch personeel, en real-time metingen van vitale functies zoals hartslag, zuurstofgebruik en bloeddruk. De toepassing van AI bij de beoordeling en voorspelling van aanstaande hartaanvallen, vallen, beroertes, sepsis en complicaties is momenteel overal ter wereld aan de gang.
Een voorbeeld uit de praktijk is hoe El Camino Hospital EPD, bedalarm en verpleegoproeplichtgegevens koppelde aan analyses om patiënten met een hoog valrisico te identificeren. El Camino Hospital verminderde het aantal valpartijen met 39% voor ziekenhuizen.
De machine learning methodologieën die El Camino gebruikt, zijn het topje van de ijsberg, maar vertegenwoordigen in belangrijke mate de toekomst van de gezondheidszorg met actiegerichte inzichten of voorschriftanalyses. Ze gebruiken een kleine subset van de mogelijke beschikbare informatie en de fysieke acties van de patiënt, zoals het verlaten van het bed en het indrukken van de help-knop in combinatie met gezondheidsdossiers - een periodieke meting door ziekenhuispersoneel. Ziekenhuismachines voeren momenteel geen significante gegevens van hartmonitors, beademingsmonitors, zuurstofverzadigingsmonitors, ECG's en camera's in big data-opslagapparaten met gebeurtenisidentificatie.