Pencocokan pola dan memprediksi kebutuhan mendesak di rumah sakit adalah tugas yang sulit bagi staf medis yang terampil, tetapi tidak untuk AI dan pembelajaran mesin. Staf medis tidak memiliki kemewahan untuk mengamati setiap pasien mereka secara penuh waktu. Meskipun sangat pandai mengidentifikasi kebutuhan mendesak pasien dalam keadaan yang jelas, perawat dan staf medis tidak memiliki kemampuan untuk membedakan masa depan dari serangkaian gejala pasien yang diperlihatkan selama periode yang masuk akal. Pembelajaran mesin memiliki kemewahan tidak hanya mengamati dan menganalisis data pasien 24/7, tetapi juga menggabungkan informasi yang dikumpulkan dari berbagai sumber, yaitu catatan sejarah, evaluasi harian oleh staf medis, dan pengukuran real-time tanda-tanda vital seperti denyut jantung, penggunaan oksigen dan tekanan darah. Penerapan AI dalam penilaian dan prediksi serangan jantung, jatuh, stroke, sepsis dan komplikasi saat ini sedang berlangsung di seluruh dunia.
Contoh dunia nyata adalah bagaimana Rumah Sakit El Camino menghubungkan EHR, alarm tidur dan perawat memanggil data cahaya ke analitik untuk mengidentifikasi pasien yang berisiko tinggi jatuh. Rumah Sakit El Camino mengurangi jatuh, biaya besar ke rumah sakit, sebesar 39%.
Metodologi pembelajaran mesin yang digunakan oleh El Camino adalah puncak gunung es, tetapi secara signifikan mewakili masa depan perawatan kesehatan menggunakan wawasan yang berfokus pada tindakan atau analitik resep. Mereka menggunakan sebagian kecil informasi potensial yang tersedia dan tindakan fisik yang diambil oleh pasien seperti keluar dari tempat tidur dan menekan tombol bantuan bersama dengan catatan kesehatan - pengukuran berkala oleh staf rumah sakit. Mesin rumah sakit saat ini tidak memasukkan data penting dari monitor jantung, monitor pernapasan, monitor saturasi oksigen, EKG dan kamera ke perangkat penyimpanan data besar dengan identifikasi acara.
