Kết hợp mẫu và dự đoán một nhu cầu cấp thiết trong bệnh viện là một nhiệm vụ khó khăn đối với các nhân viên y tế lành nghề, nhưng không phải là AI và học máy. Nhân viên y tế không có sự xa xỉ trong việc quan sát từng bệnh nhân của họ trên cơ sở toàn thời gian. Mặc dù cực kỳ giỏi trong việc xác định nhu cầu tức thời của bệnh nhân trong hoàn cảnh rõ ràng, các y tá và nhân viên y tế không có khả năng nhận thức được tương lai từ một loạt các triệu chứng bệnh nhân phức tạp xuất hiện trong một khoảng thời gian hợp lý. Học máy không chỉ quan sát và phân tích dữ liệu bệnh nhân 24/7 mà còn kết hợp thông tin được thu thập từ nhiều nguồn, ví dụ như hồ sơ lịch sử, đánh giá hàng ngày của nhân viên y tế và đo sức sống theo thời gian thực như nhịp tim, sử dụng oxy và huyết áp. Ứng dụng của AI trong đánh giá và dự đoán các cơn đau tim sắp xảy ra, té ngã, đột quỵ, nhiễm trùng huyết và các biến chứng hiện đang được tiến hành trên toàn thế giới.
Một ví dụ trong thế giới thực là cách Bệnh viện El Camino liên kết EHR, báo thức giường và y tá gọi dữ liệu ánh sáng để phân tích để xác định bệnh nhân có nguy cơ té ngã cao. Bệnh viện El Camino giảm té ngã, chi phí lớn cho các bệnh viện, bằng 39%.
Các phương pháp học máy được El Camino sử dụng là phần nổi của tảng băng trôi, nhưng đại diện đáng kể cho tương lai của chăm sóc sức khỏe bằng cách sử dụng những hiểu biết tập trung vào hành động hoặc phân tích theo toa. Họ đang sử dụng một tập hợp nhỏ các thông tin tiềm năng có sẵn và các hành động thể chất của bệnh nhân như ra khỏi giường và nhấn nút trợ giúp kết hợp với hồ sơ sức khỏe - một phép đo định kỳ của nhân viên bệnh viện. Máy móc của bệnh viện hiện không cung cấp dữ liệu quan trọng từ máy theo dõi nhịp tim, máy theo dõi hô hấp, máy theo dõi bão hòa oxy, ECG và máy ảnh vào các thiết bị lưu trữ dữ liệu lớn có nhận dạng sự kiện.
