Съпоставянето на образите и прогнозирането на неотложна нужда в болниците е трудна задача за квалифициран медицински персонал, но не и за ИИ и машинно обучение. Медицинският персонал няма лукса да наблюдава всеки свой пациент на пълен работен ден. Въпреки че са изключително добри в идентифицирането на непосредствените нужди на пациентите при очевидни обстоятелства, медицинските сестри и медицинският персонал не притежават възможностите да различават бъдещето от сложен набор от симптоми на пациента, проявени в разумен период. Машинното обучение има лукса не само да наблюдава и анализира данните за пациентите 24/7, но и да комбинира информация, събрана от множество източници, т.е. исторически записи, ежедневни оценки от медицинския персонал и измервания в реално време на жизненоважни състояния като сърдечна честота, използване на кислород и кръвно налягане. Прилагането на AI при оценката и прогнозирането на предстоящи сърдечни пристъпи, падания, инсулти, сепсис и усложнения в момента е в цял свят.
Пример от реалния свят е как болницата в Ел Камино свързва EHR, алармата на леглото и медицинската сестра призовава светлинни данни към аналитиката, за да идентифицира пациенти с висок риск от падания. Болница Ел Камино намали паданията, основен разход за болниците, с 39%.
Методологиите за машинно обучение, използвани от El Camino, са върхът на айсберга, но значително представляват бъдещето на здравеопазването, като се използват насочени към действията прозрения или анализи на рецепта. Те използват малко подмножество от наличната потенциална информация и физическите действия, предприети от пациента, като излизане от леглото и натискане на бутона за помощ във връзка със здравните записи - периодично измерване от болничния персонал. В момента болничната техника не подава значителни данни от сърдечни монитори, дихателни монитори, монитори за насищане с кислород, ЕКГ и камери в устройства за съхранение на големи данни с идентификация на събитията.
