Меню


Медицина

Assistance Publique-Hôpitaux de Paris оптимизирует штатное расписание, прогнозируя уровень госпитализации по часам и дням, используя машинное обучение

Используя TAP - платформу искусственного интеллекта с открытым исходным кодом, разработанную корпорацией Intel, для анализа данных из внутренних и внешних источников, таких как записи о госпитализации, можно точно прогнозировать частоту прибытия в экстренных случаях. Это привело к лучшему укомплектованию персоналом и распределению ресурсов в больнице

Чтобы лучше распределять ресурсы и лучше обслуживать пациентов, больница AP-HP в Париже использовала прогностическую платформу искусственного интеллекта разработанную на TAP.

Больницы в Париже используют big data (большие данные) и системы машинного обучения, предназначенные для прогнозирования показателей госпитализации, что приводит к более эффективному использованию ресурсов и улучшению результатов лечения пациентов.

Для настройки алгоритма было выбрано четыре больницах, входящих в AP-HP, и соответствующие данные из внутренних и внешних источников, в том числе 10-летние записи о госпитализации. Данные были разбиты для составления дневных и часовых прогнозов.

Ключевыми проблемами реализации проекта были законодательные нормативы о персональных данных, касающиеся конфиденциальности и данных о пациентах, которые являются относительно строгими, то есть некоторые данные, которые были бы доступны, например, если бы система работала в США, были недоступны.

«Но я был удивлен тем, насколько хорошо мы смогли построить модель без доступа к некоторым данным, которые мне бы понравились. Просто используя шаблоны для нескольких объектов, мы смогли создать действительно хорошую модель» - Кайл Амбер, датасаинтист нанятый AH-HP.

В результате появился интерфейс на основе веб-браузера, предназначенный для использования врачами, медсестрами и персоналом администрации больницы, не имеющего опыта в науке о данных, для прогнозирования количества посещений и госпитализации на следующие 15 дней. Когда ожидается большое количество посетителей, можно привлечь дополнительный персонал, что приведет к сокращению времени ожидания пациентов и повышению качества обслуживания - все прогнозы визуализировались в понятной для персонала форме.
Результат
Результаты не публиковались
Подпишись на новые кейсы
Оставь свой e-mail и раз в неделю мы будем высылать полезные кейсы тебе на почту
Мы не передаем данные третьим лицам, а храним их согласно №152-ФЗ
Cookies helfen uns bei der Bereitstellung unserer Inhalte und Dienste. Durch die weitere Nutzung unserer Webseite stimmst du der Verwendung von Cookies zu.
Okay
Close
Made on
Tilda