L ‘ “Apprendimento” del Sistema: IA & Virtual CareAI & Dintorni

Macchina di apprendimento è fondamentale per una efficace e scalabile virtuale cura; consentire ai medici, contemporaneamente, migliorare i risultati e ridurre i costi di cura.

Con la proliferazione di sensori e di wearables nell’impostazione della casa, una nuova serie di dati è ora disponibile per i medici. E ancora, nessun essere umano può concretamente ed economicamente dare un senso a questo “diluvio” di dati. Inserisci il machine learning, che, secondo Natura, sta già mostrando la promessa significativa aumentando i medici la capacità di trattare il Diabete di Tipo II, analizzare le lesioni della pelle, ed elettrocardiogrammi. Secondo Accenture, machine learning farà risparmiare $150 Miliardi di dollari all’anno in costi sanitari entro il 2026.

Eppure, oggi, il modello di cura, come è perpetuato dalla telemedicina fornitori, lotte di adattarsi e di imparare da ogni paziente interazione come qualsiasi conoscenze apprese, che può beneficiare di una popolazione, è di fatto perso quando i medici premere il tasto “fine chiamata” dopo ogni sessione.

Macchina di apprendimento per sbloccare i medici la capacità di fornire assistenza personalizzata alla popolazione di scala.

In modo efficace “per” colmare una differenza di capacità, macchina di apprendimento è fondamentale per capire il “diluvio” di dati provenienti da multivariata i sensori del paziente a casa.

Consentendo ai medici di scale e assistenza personalizzata per migliaia di pazienti, macchina di apprendimento non solo permetterà ai medici di pratica “top di licenza” sarà anche promuovere un “sistema di apprendimento”, che diventa più intelligente con ogni paziente interazione.

Alla base di questa opportunità deve essere un’enfasi sulla trasparenza e la responsabilità nei driver di raccomandazioni provenienti da qualsiasi macchina di apprendimento del sistema.



Ogni giorno, un uomo con una rete di sensori indossabili in casa può fornire più di 100+ è dotato di un paziente con una malattia cronica come l’insufficienza cardiaca; meno di 10, di cui un medico può essere ragionevolmente previsto per agire su di essi.

Inserisci il machine learning.

Macchina di apprendimento, quando è completamente integrato all’interno di una virtual sistema di cura, in grado di analizzare e organizzare complesso multivariata dei dati necessari alla comprensione del giorno per giorno lo stato di salute di pazienti con complesso di condizioni croniche.

Aumentando l’attuale standard di cura, di apprendimento automatico superfici pazienti con grave pericolo di ricovero che altrimenti sarebbe mancato. Per esempio, l’apprendimento automatico in grado di capire il rischio di declino in pazienti con condizioni croniche come l’insufficienza cardiaca e la BPCO. Myia proprio modellazione continuamente superfici pazienti a rischio di ospedalizzazione 10-12 giorni di anticipo. E questo è solo l’inizio.


Secondo gli attuali modelli di cura, è sempre più difficile per i medici di offrire piani di assistenza personalizzati per loro roster da 10 a 20 pazienti al giorno. E dato l’ambizione di molti sistemi sanitari a scala virtuale cura di, potenzialmente, di monitorare migliaia di pazienti, sarà quasi impossibile per i medici di approccio qualcosa di lontanamente simile a “personalizzati”.

Macchina di apprendimento è lo strumento cruciale nell’arsenale di risolvere questa sfida. L’integrazione di machine learning, i medici saranno in grado di concentrarsi meno sulle amministrativo impegnato con il lavoro e più personalizzati, cura del paziente; permettendo loro di praticare una “top di licenza.” Macchina di apprendimento capacità di filtrare e analizzare i dati garantirà innumerevoli ore non vengono persi da studiare attentamente i dati non necessari.

In un mondo afflitto da medico carenze, dove la semplice aggiunta di ulteriori dati e più personale non è un’opzione, macchina di apprendimento in grado di fornire significativi benefici per aumentare la capacità di quelli che sono sulla terra. Vale a dire:

  • Assistenza personalizzata: Tempestiva e personalizzata di follow-up tra medico e paziente; ottimizzate in base alle condizioni del paziente;
  • La Terapia personalizzata: Guida i medici, in modo intelligente, ottimizzare le linee Guida per la Regia di Terapia Medica (GDMT) a condizioni cliniche del paziente e gli obiettivi nel corso del tempo;
  • L’Attenzione resa personale: Conoscere solo il momento giusto per portare un uomo al medico o anche di risorse alternative come stile di vita di coaching in ciclo.

E ancora, l’apprendimento automatico ha il potenziale per andare anche oltre, consentendo fornitori efficace per “imparare” da ogni interazione. La registrazione di ogni basale del paziente e continuamente aumentando il proprio database con ogni successiva interazione, il sistema diventa più abili a capire longitudinale tendenze, le lacune nella cura, e la risposta alla terapia.. Questo è un compounding “effetto rete”; più dati sulla popolazione è esposta, il migliore e più ricco di intuizioni, il sistema sarà in grado di fornire.


Clinica apprensione verso la “scatola nera” machine learning applicazioni sono ben posizionati. I medici temono che senza una qualche forma di comprensione del ragionamento che sta dietro la macchina di apprendimento raccomandazioni, possono essere di abbandonare la loro professionalità e le responsabilità morali.

Per contrastare questo, explainability e la trasparenza deve essere fondamentale in caso di integrazione di machine learning per qualsiasi virtual sistema di cura. Virtuale, sistema di assistenza deve spiegare facilmente la sottostante ingressi e i driver delle valutazioni del rischio e le raccomandazioni per ogni paziente interazione. Questo deve essere facilmente dimostrato in un medico area di lavoro che è comprensibile e dà a tutti la fiducia in qualsiasi sistema derivato raccomandazione.

Per vedere come Myia Salute è la costruzione del sistema operativo per i dati guidato virtuale cura, si prega di fare clic qui.

Questo articolo è parte di una serie di contenuti da Myia Salute. Clicca qui per saperne di più.
 


myia health logo

Myia Health è il sistema operativo virtuale cura. Myia piattaforma ingerisce una vasta gamma di dati reali a cura di sensori e di fonti, trasformandolo applicata macchina di intelligenza in informazioni e obiettivo delle esperienze cliniche. Myia dotati di medici con l’precise informazioni di cui hanno bisogno sia di ottimizzare la cura e prevenire imprevisti eventi medici. Per ulteriori informazioni, si prega di visitare: Myia Salute.


social experiment by Livio Acerbo #greengroundit #live https://www.modernhealthcare.com/technology/learning-system-ai-virtual-care