A University College London hároméves partnersége kórházak(UCLH) és az Alan Turing Intézet célja, hogy a gépi tanulás forradalmának előnyeit példátlan skálán átadja az NHS-nek.
Prof Bryan Williams, a University College London Kórházak NHS Foundation Trust kutatási igazgatója elmondta, hogy a lépés nagy hatással lehet a betegek kimenetelére, párhuzamot húzva az olyan fogyasztói tapasztalatok átalakításával, mint például az Amazon és a Google.
"Játékváltó lesz" - mondta. "Mehet telefonján és lefoglalhat repülőjegyet, eldöntheti, hogy milyen filmeket néz, vagy megrendelhet egy pizzát ... az AI-ról szól" - mondta. „Az NHS-en semmilyen közel sem vagyunk elég kifinomultak. Még mindig leveleket küldünk, ami rendkívüli.
A partnerség középpontjában, amelyben az UCLH „jelentős”, de névtelen összeget fektet be, az a meggyőződés, hogy a gépi tanulási algoritmusok új módszereket biztosíthatnak a betegség diagnosztizálásához, a betegség kockázatának kitett emberek azonosításához és az erőforrások irányításához. Elméletileg az orvosokat és az ápolónőket reagálva be lehetne helyezni az osztályokon, mint például az Uber-illesztőprogramok, amelyek a nap folyamán a legnagyobb igényt mutató helyekre vonulnak. Ugyanakkor a lépés aggodalmakat vet fel a magánélettel, a kiberbiztonsággal és az egészségügyi szakemberek változó szerepével kapcsolatban.
[the_ad id = ”11018 ″]Az első projekt a kórház baleseti és sürgősségi osztályának fejlesztésére összpontosít, amely sok kórházhoz hasonlóan nem teljesíti a kormány várakozási idejét.
"Az idei teljesítményünk elmaradt a négy órás várakozástól, ami nem tükrözi munkatársaink elkötelezettségét és elkötelezettségét" - mondta prof Marcel Levi, az UCLH vezérigazgatója. "[Ez] a teljes lánc többi részének mutatója, amely az akut betegek kórházba és kórházból történő kimenetelére vonatkozik, amelyek tévesek."
Márciusban, csak a sürgős ellátásra szoruló betegek 76.4% -a márciusban négy órán belül kezelték az angliai kórházi A&E egységekben - ez a legalacsonyabb arány a 2010-es kezdetek óta.
Az előadások ezreiből származó adatok felhasználásával a gépi tanulási algoritmus például azt jelölheti, hogy a hasfájdalommal rendelkező betegek valószínűleg-e valamilyen súlyos problémától, például bél perforációját vagy szisztémás fertőzést szenvednek, és gyorsabban tudják kezelni a betegeket az állapot kritikussá válik.
"A gépek soha nem helyettesítik az orvosokat, de az adatok, a szakértelem és a technológia felhasználása radikálisan megváltoztathatja szolgáltatásaink kezelésének módját - a jobb érdekében" - mondta Levi.
Egy másik, már folyamatban lévő projekt célja azon betegek azonosítása, akik valószínűleg nem vesznek részt a találkozókon. A Parashkev Nachev egy kórházban működő tanácsadó neurológus olyan tényezőket használt, mint például az életkor, a cím és az időjárási körülmények, hogy 85% -os pontossággal megjósolja, hogy a beteg megjelenik-e ambulancián és MRI-vizsgálaton.