医疗保健中的人工智能如何识别风险和节省资金
模式匹配和预测医院急需的需求对于熟练的医务人员来说是一项艰巨的任务,但对于人工智能和机器学习则不然。医务人员无法全职观察每位患者。虽然在明显的情况下非常擅长确定患者的直接需求,但护士和医务人员不具备通过在合理时间内展示的一系列复杂患者症状来辨别未来的能力。机器学习不仅可以24/7全天候观察和分析患者数据,还可以结合从多个来源收集的信息,即历史记录,医务人员的日常评估,以及心率,氧气使用等生命体征的实时测量和血压。目前,全世界正在进行人工智能在评估和预测即将发生的心脏病,跌倒,中风,败血症和并发症方面的应用。
一个真实的例子是El Camino医院如何将EHR,床警报和护士呼叫灯数据与分析相关联,以识别跌倒风险高的患者。El Camino医院将医院的主要成本降低了39%。
El Camino使用的机器学习方法是冰山一角,但使用以行动为中心的见解或处方分析显着代表了医疗保健的未来。他们正在使用可用信息的一小部分以及患者采取的物理行动,例如退出床并将帮助按钮与健康记录一起推送-由医院工作人员定期测量。医院机械目前没有将心脏监测器,呼吸监测器,氧饱和度监测仪,心电图和照相机的重要数据输入到具有事件识别功能的大数据存储设备中。
将AI解决方案与当前的医院系统集成是一个经济,政治和技术问题。本文其余部分的目的是讨论技术问题,可以分解为以下功能:
获取数据
清理数据
传输数据
分析数据
通知利益相关者
获取和清理数据是所有AI实施的一个挑战。这篇关于如何与Epic集成的文章是了解访问典型EHR(如Epic数据)所需资源的一个不错的参考起点。
实时向大数据提供数据
我们正在进行预测分析-而不是实时警报。这些是独特的不同问题。实时预测分析可以丢弃流数据,而不是事件数据。事件数据是bookend事件的标识符标签。事件是每个时间段的心率或特定间隔的氧饱和度。流数据是每次心跳或脉搏氧读数。这非常重要,因为数据保证在性能方面是昂贵的。我们必须保证事件-这些事件的数量有限-我们不能保证数据。
EHR,护士呼叫和患者监测数据都需要在每个时间点与患者相关联。这意味着在所有系统之间共享并且易于实现的唯一标识符,例如UUID(通用唯一标识符)。从实施角度来看,具有扫描环境的内置条形码阅读器的摄像机集成了全面实施所需的许多功能要求。一个良好实施的系统可以扫描床栏条码,患者腕带条形码,处方条形码和静脉条形码,同时为每个病床更换分配唯一的UUID。目前的医院技术包括用于患者腕带条形码的护士扫描仪。
我们的目标是实时编写地理空间时间序列数据,以实现大数据存储。最重要的延迟时间是写入数据库,因此我们必须在某处异步排队数据,最好的方法是使用RabbitMQ或Kafka等消息传递平台。RabbitMQ每秒可处理100万条消息,而Kafka每秒可处理多达6千万条消息。RabbitMQ保证数据,Kafka没有。基本策略是将数据发布到具有满足您需求的必要特征的交易所。
标记事件以实现更好的机器学习
最有效的机器学习算法是具有明确定义的数据集和标签的算法。优秀的,众所周知的算法用于识别癌症和阅读X射线。Alexander Gelfand撰写的文章,深度学习和生物医学图像分析的未来,指出数据标记对于机器学习的成功至关重要。除了标记之外,将地理空间时间序列数据以明确定义的,一致的块引用标记事件非常重要。定义明确,一致的标签用作选择标准。
运输前清洁数据(船舶黄金,不是污垢)
未来的所有数据都应被视为地理空间日期时间数据。在将数据发布到队列并将其写入数据库之前清理数据。原始传感器数据最有效的方法是应用指数移动平均函数在发货前清理数据。我们的意思是尝试运送你能买到的最好的黄金,而不是泥土。从长远来看,运输和存储数据非常昂贵,因此在运输和存储之前,请确保数据尽可能干净。
CNN用于固体识别标记的感觉数据
出于本文所述的目的,有明确定义的公共数据集和机器学习库可用作实现的模板。如果有专门的时间来学习和实践可用的存储库,那么优秀的分析师和可靠的程序员可以在不到六个月的时间内实施可靠的AI。用于理解CNN(卷积神经网络)的优秀图像识别库,对黑素瘤识别具有87%的准确性,是皮肤癌检测项目。理解用于事件识别的传感器组合的优秀库是用于人类活动识别的LSTMGuillaume Chevalier的项目。此外,该项目是传感器输入和不同活动的确定的组合。在医院环境中,这种方法适用于一系列医疗条件。
未来
人工智能在医院和医疗机构中的应用现在正在发生。通过整合患者监测设备,可穿戴传感器和健康记录来识别关键事件,提高健康服务的准确性已知已经实施的解决方案。人工智能应用于我们未来的健康和财务影响的程度是无法估量的。进入壁垒很低。抓住你的板和桨来获得这波。您可以影响全球医疗费用的未来。
免责声明:本文由用户上传,与本网站立场无关。财经信息仅供读者参考,并不构成投资建议。投资者据此操作,风险自担。 如有侵权请联系删除!
-
宝子们,杭州 房子装修完成啦!这次要给大家分享几家设计超赞的装修公司哦。它们各具特色,从空间规划到风格...浏览全文>>
-
欲筑室者,先治其基。在上海,装修房子对于每个业主而言,都是极为关键的一步,然而,如何挑选一家值得信赖的...浏览全文>>
-
2025年以来,联通支付严格贯彻落实国家战略部署,以数字和科技为驱动,做好金融五篇大文章,履行支付为民社会...浏览全文>>
-
良工巧匠,方能筑就华居;精雕细琢,方可打造美家。当我们谈论装修公司时,选择一家靠谱可靠的公司是至关重要...浏览全文>>
-
在当今社会,随着城市化进程的高速推进,建筑垃圾的产生量与日俱增。据权威数据显示,我国每年建筑垃圾产生量超 ...浏览全文>>
-
家人们,在上海要装修,选对公司那可太重要了!古语有云:"安得广厦千万间,大庇天下寒士俱欢颜。"一个温馨的...浏览全文>>
-
近年来,新能源汽车市场发展迅猛,各大品牌纷纷推出各具特色的车型以满足消费者多样化的需求。作为国内新能源...浏览全文>>
-
近年来,随着汽车市场的不断变化和消费者需求的升级,安徽滁州地区的宝来2025新款车型在市场上引起了广泛关注...浏览全文>>
-
随着汽车市场的不断变化,滁州地区的消费者对高尔夫车型的关注度持续上升。作为大众品牌旗下的经典车型,高尔...浏览全文>>
-
在2023年,大众探影以其时尚的设计和出色的性能赢得了众多消费者的青睐。作为一款小型SUV,探影凭借其紧凑的车...浏览全文>>
- 安徽滁州途安L新车报价2022款,最低售价16.68万起,入手正当时
- 小鹏G7试驾,新手必知的详细步骤
- 别克GL8预约试驾,4S店的贴心服务与流程
- 安徽阜阳ID.4 CROZZ落地价全解,买车必看的省钱秘籍
- 淮北探岳多少钱 2025款落地价,最低售价17.69万起现在该入手吗?
- 安徽淮南大众CC新款价格2025款多少钱能落地?
- 淮北长安启源C798价格,最低售价12.98万起现在该入手吗?
- 安徽淮南途锐价格,各配置车型售价全解析
- 蒙迪欧试驾预约,4S店体验全攻略
- 沃尔沃XC40试驾需要注意什么
- 滁州ID.4 X新车报价2025款,各车型售价大公开,性价比爆棚
- 试驾思域,快速操作,轻松体验驾驶乐趣
- 试驾长安CS35PLUS,一键搞定,开启豪华驾驶之旅
- 天津滨海ID.6 X落地价限时特惠,最低售价25.9888万起,错过不再有
- 天津滨海凌渡多少钱?看完这篇购车攻略再做决定
- 安徽池州长安猎手K50落地价,买车前的全方位指南
- 山东济南ID.6 CROZZ 2024新款价格,最低售价19.59万起,现车充足
- 试驾海狮05EV,新手必知的详细步骤
- 生活家PHEV多少钱 2025款落地价走势,近一个月最低售价63.98万起,性价比凸显
- 奇瑞风云A9试驾,新手必知的详细步骤