Machine learning geben kann, die im Gesundheitswesen Beschäftigten eine ‚Supermacht‘

Mit der healthcare-Organisationen auf der ganzen Welt nutzen cloud-Technologien für die wichtigsten klinischen und operativen Systeme, die Branche Gebäude in Richtung Digital enhanced data-driven healthcare.

Und unstrukturierte Daten im Gesundheitswesen, in der klinischen Dokumente und Zusammenfassungen, weiterhin eine wichtige Quelle von Erkenntnissen zur Unterstützung klinischer und operativer Exzellenz.

Aber es gibt unzählige nuggets wichtige unstrukturierte Daten – etwas, das nicht sich verleihen, um die manuelle Suche und manipulation von ärzten. Dies ist, wo die Automatisierung kommt.

Erste Erkenntnisse aus unstrukturierten Daten

Arun Ravi, senior product leader bei Amazon Web Services wird co-präsentiert eine HIMSS20 Digitale Präsentation auf unstrukturierte Daten im Gesundheitswesen und des maschinellen Lernens, die Beschleunigung der Erkenntnisse aus Unstrukturierten Daten, Cloud-Funktionen zu Unterstützen Gesundheitswesen.

„Es gibt eine riesige Verschiebung von Volumen – zu-Wert-Pflege: 54% der Krankenhaus CEOs sehen den übergang von Volumen-zu-Wert als größte finanzielle Herausforderung, und zwei Drittel der IT-Budgets geht in Richtung halten die Lichter auf,“ Ravi erklärt.

„Machine learning hat dieses wirklich interessante Rolle zu spielen, wo wir nicht unbedingt auf der Suche zu ersetzen, die workflows, sondern geben im wesentlichen eine Supermacht auf die Menschen im Gesundheitswesen und erlauben, dass Sie Ihre Aufträge deutlich effizienter.“

In Bezug auf die Auswirkungen auf Gesundheits-IT-Führer, mit Wert-basierten Sorgfalt es gibt eine Menge von Daten, die erstellt wird. Wenn ein patient geht durch die verschiedenen Phasen der Pflege, es gibt eine Menge an Dokumentation, die eine Menge von Daten, die erstellt wird.

„Aber wie wenden Sie die Ressourcen verfügbar sind, machen es viel mehr gestrafft, zu erstellen, die perfekte längs-Ansicht des Patienten?“ Ravi gebeten. “Viele der aktuellen IT-Modellen fehlt die Beweglichkeit, um Schritt zu halten mit der Technologie. Und nochmal, es geht darum, die Menschen in diesem Raum eine Supermacht zu helfen, Sie bringen die richtigen Daten weiterzuleiten und zu nutzen, dass, um wirklich gute klinische Entscheidungen.“

Die unstrukturierten Daten, automation Modell

Dies erfordert die Reaktion auf ein sehr neues Modell, das ins Spiel kommen. Und dieses Modell erfordert den Fokus auf differenzierende Organisationen im Gesundheitswesen die Möglichkeit, dies in Echtzeit zu arbeiten und tun es in großem Maßstab.

„Wie integrieren Sie diese neuen Technologien in die Versorgung in einer Weise, die nicht nur skalierbar, sondern wirklich auf Ihre Patienten und macht auch sicher, dass Ihre internen beteiligten sind glücklich mit ihm,“ Ravi sagte. „Und wieder, Sie wollen das Risiko verringern, aber insgesamt, wie verwalten Sie diese Daten auch in einer Weise, die einfach für Sie zu skalieren und leicht für Sie mit der Bereitstellung in neue Bereiche, wie die Pflege-Modell weiter zu verschieben?“

Also, warum ist machine-learning wichtig in der Gesundheitsversorgung?

„Wenn man sich die Menge an unstrukturierten Daten, die erstellt, es steigt exponentiell“, sagte Ravi. “Und eine Menge, bleibt ungenutzt. Es gibt 1.2 Milliarden unstrukturierten klinischen Dokumenten, die eigentlich jedes Jahr erstellt. Wie extrahieren Sie die Erkenntnisse, die wertvoll sind für Ihre Anwendung, ohne manuellen Herangehensweisen?“

Reduziert Kosten und Zeit

Die Automatisierung all dies wirklich hilft Organisationen im Gesundheitswesen reduzieren die Kosten und die Zeit, die damit verbracht, zu extrahieren, diese Erkenntnisse, sagte er. Und dies schafft eine einzigartige Gelegenheit, nicht nur um Innovation, sondern um neue Produkte, fügte er hinzu.

Ravi und seine co-presenter, Paul Zhao, senior product leader bei AWS bieten einen tiefen Einblick in die Einsichten aus all diesen unstrukturierten Daten im Gesundheitswesen über machine learning und cloud-Funktionen in Ihren HIMSS20 Digital-Sitzung. Zur Teilnahme an der Sitzung, klicken Sie hier.

Twitter: @SiwickiHealthIT
E-Mail der Autorin: [email protected]
Healthcare-IT-News ist die HIMSS Media-Publikation.