布莱恩·贝瑞| 2016年3月22日
为什么这么多行业探索机器学习作为betway必威体育观点提供创新和价值的手段？在我看来，该技术与原始的冲动 - 机器学习说出就像有一个水晶球，告诉你接下来会发生什么。对于企业，它可以在介绍自己之前传达关于客户的信息。在个人层面上，当我考虑提前有关于有关信息的信息，斯普林思想的第一件事是显而易见的：我的健康。我要生病吗？如何提高我的健康和整体健康？如果你现在穿着漂亮的位置，那么你可能会同意我的意见。
在我的上一篇博客中，我分享了一些真实世界的例子酒店业应用机器学习。医疗保健和医院呢？虽然医院有类似的挑战，但他们可以住在一夜之间的客人，医疗保健的目标是完全不同的，而且迅速变化。经济实惠的护理法案正在推动新的商业模式，激励基于结果的报销与基于批量的报销相反。与酒店不同，今天的医院有兴趣确保他们的客人不必退货，至少不在短期内。他们还需要以他们在过去没有激励的方式管理成本。全国各地的医院正在考虑预测性分析如何对操作有意义的影响，导致改善患者健康和改善底线。
医疗保健提供者的成本节约机会是惊人的。这里有三个例子:
减少医院Re-admissions
2014年，美国联邦医疗保险(Medicare)对2610家医院罚款4.28亿美元，原因是它们的再入院率很高。撇开实际罚款不提，行业分析人士估计，每年可预防的重新入场的总成本接近250亿美元。因此，全国各地的医院系统都动员起来进行干预，使用ML来识别高危因素，这些高危因素对再入院有很高的预测作用。卡罗来纳医疗保健系统与微软合作，做到了这一点。他们利用来自20万患者出院记录的数据，创建了一个预测模型，提供定制的出院计划，每年为医院系统节省数十万美元。阅读医疗保健的文章。
临床变异管理
Mercy医院与Ayasdi合作，找到常见的外科手术的最佳护理路径。以膝盖替换为例，临床变化管理软件可帮助医院管理员找到患者结果的集群，然后能够探索这些群集，以便将度量（即，留下长度）与某种团的团体或活动相关联。看这个视频了解慈悲医院如何通过将机器学习应用于一个非常常见的程序而节省了5000万美元。
改善人口健康
达特茅斯·希区柯克(Dartmouth Hitchcock)是达特茅斯大学(Dartmouth University)的附属医疗网络，它正在试验一种针对需要长期护理的患者的远程监测系统。6 000多名患者正在允许医院收集生物数据(如血压、体温等)，以便护士和健康教练可以监测他们的生命体征，机器可以预测好和坏的日子。与好客完全相反:达特茅斯·希区柯克试图让客人不需要登记入住!
机器正在取代医生吗?不。病人-医生的关系仍然(我认为将永远)是提供个人健康护理的中心。然而，似乎很明显，ACA正在为更好地管理人口风险的医疗保健提供者提供重大奖励。机器可以在这方面提供帮助:通过数据，机器学习可以发现“隐藏在数据中的”风险。
