航空业和医疗保健不是您通常会放在一起的两件事,而是 系统间 的技术战略家和创新者 Jon Payne 认为,他们或许可以相互学习。

众所周知,医疗保健行业在投资和采用信息技术方面落后,人工智能 (AI) 也不例外。然而,利用人工智能进行创新、流程改进、患者和医生满意度以及患者结果改善的机会和需求从未如此之大。

Covid-19 大流行已经造成大量需要就医的患者积压。随着英国的 GP 手术现在被敦促尽快恢复面对面的预约,拥有最有效的预订系统对于确保等待时间不会飙升至关重要 - 并且 GP 不会精疲力竭.

然而,根据 NHS 的数据,超过 1500 万次约会 一般来说,当患者没有出现(或拨入)时,英格兰每年都会浪费。这使得“未参加”(DNA)的成本为 2.16 亿英镑——足以支付 2,300 多名全职全职医生的费用。

最大化时间

为了应对这一令人担忧的趋势,一些医疗保健实践现在正在使用机器学习 (ML) 来智能地超额预订医疗预约——就像 航空公司超售航班 – 确保如果患者没有出现,医生可以最大限度地利用他们的时间并去看望其他需要帮助的人。

随着我们进入秋季,Covid-19 感染逐渐增加,流行病学家警告潜在的冬季危机,支持 AI 的超额预订方法可以证明是帮助优化患者预约并减少医护人员和服务压力的重要工具。

但它究竟是如何工作的呢?

假设 GP 诊所一天提供 30 个预约。如果按 14% 计算未出现率,每天有 4 名患者将跳过他们的预约,让全科医生等待 NHS 的巨额累积成本,而其他生病的患者则不得不等待更长时间才能预约。

为了尽量减少这种影响,实践可能会在一天中随机或根据自己的轶事知识超额预订四个时段。然而,更有效的是使用机器学习来预测一个人不会出现的概率,并以超过 85% 的概率分数超额预订空位,例如。这个概率是通过获取所有手术的历史数据并以此训练机器学习算法来计算的。它可以智能地找出该数据集中的哪些特征或变量会影响结果,创建规则集,然后将其应用于当前约会数据。

减少住院人数 

以类似的方式,再入院是全球医疗保健提供者的另一项重大成本,但组织通常很难知道应该将出院计划工作集中在哪里,以确保最大限度地减少返回医院的人数。

如果您分析数据,查看四个不同的参数——住院时间、入院的敏锐度、合并症和急诊次数——组织可以预测谁最有可能回来并采取行动。

幸运的是,试验表明,如果您实施 ML,医疗机构可​​以节省更多资金,因为该技术可以找到更多可能返回的患者。虽然每周节省下来的钱似乎不多,但在一家每天出院 785 人、再入院率为 17.5% 的医院中,每年节省的费用可能高达 550 万美元。

那么,如果人工智能带来的效率既显着又及时,那么是什么阻碍了医疗保健组织采用人工智能呢?四分之一的受访者表示 IDC 的 AI 医疗保健调查 缺乏足够数量的高质量训练数据、对数据可信度/偏见的担忧以及对计算资源的有限访问是人工智能成功的主要障碍。

消除偏见的一种方法是找到以视觉方式呈现模型的方法,并使用包含可解释性的算法,以便最终用户准确了解决策的制定方式,并可以根据需要跟踪和评估这些决策。良好、干净、组织良好的数据也是成功的关键。

然而,用例的广泛性让人们有理由乐观地认为,医疗保健组织将继续朝着人工智能使用的成熟迈进,以造福患者和医生。