Использование больших данных для предсказания количества обращений в больницу

Assistance Publique — Hôpitaux de Paris (AP-HP), сеть парижских госпиталей, запустила аналитическую систему, построенную на принципах машинного обучения. Она должна улучшить управление спросом на ресурсы здравоохранения.

Население планеты увеличивается и стареет. В то же время медицинские ресурсы ограничены, а потому время ожидания приема в больницах только растет. В период максимальной нагрузки в отделении скорой помощи царит хаос из-за нехватки сотрудников и неподготовленности к такому наплыву пациентов.

Для решения этой проблемы была применена аналитическая система Trusted Analytics Platform (TAP), с помощью которой проанализировали данные об обращениях в парижские больницы за десять лет, информацию о погоде, механизмах распространения гриппа и официальных выходных. Чтобы распределять человеческие ресурсы на всех уровнях, руководителям больниц крайне важно правильно прогнозировать количество пациентов, попадающих в отделения неотложной помощи, а также общее количество обращений. Точное прогнозирование снижает время ожидания и улучшает качество медицинских услуг.

Новая система прогнозирования, направленная на сокращение времени ожидания врача, проходит испытания в четырех больницах сети Assistance Publique. TAP — аналитическая опенсорс-платформа, которая использует механизмы машинного обучения для создания инструментов и услуг в самых разных сферах применения.

Проект AP-HP — пионер в сфере использования опенсорс-аналитики для временны́х расчетов, поэтому разработчикам TAP пришлось писать новые коды. Если проект окажется успешным, систему начнут использовать в 44 больницах сети AP-HP.

Команда разработчиков TAP создала пользовательский интерфейс на основе браузера для управляющих больницами, врачей и медперсонала, который легко визуализирует предполагаемый наплыв пациентов в ближайшее время и помогает спланировать распределение ресурсов. Сотрудники больниц могут получить данные о количестве больных, поступивших в отделение скорой помощи за последние 15 дней, общем количестве пациентов, а также оценить предполагаемое количество обращений на ближайшие 15 дней. В идеале этого должно быть достаточно, чтобы организовать дополнительную рабочую силу в дни, когда спрос на больничные услуги особенно высок.

После того как были собраны полные базы данных из четырех больниц AP-HP, проект перешел на следующую стадию: научное исследование данных и оценка исходных моделей. На этом этапе команды Intel и AP-HP занимались отбором и очисткой данных и оценивали различные методы предсказания почасовой нагрузки на каждую больницу.

В первую очередь разработчики стремились найти алгоритм, который точнее всего отслеживал бы пики и спады в собираемой информации. Затем аналогичным образом будут проанализированы значительно большие объемы данных, и результаты представлены в таком виде, чтобы люди, профессионально не занимавшиеся статистикой (в частности, врачи и другие работники сферы здравоохранения), могли во всем этом разобраться.

Хотя команда Intel и так работала с анонимизированной информацией, платформа TAP обеспечивает безопасность обработки данных на всех стадиях процесса. В будущем сеть AP-HP планирует расширить использование модели TAP и значительно увеличить объем анализируемых сведений, чтобы увеличивать точность прогнозов и находить другие проблемы, которые можно решить с помощью анализа больших данных.

Применение новых технологий в здравоохранении помогает находить более эффективные способы распределения ограниченных ресурсов. Так, медицинская информационная система на основе искусственного интеллекта, разработанная израильской компанией Kang Health, позволяет пациентам получать более точную информацию прямо из дома. А приложение, созданное британской компанией Beautiful Information, предоставляет клиническим специалистам визуализированные данные о пациентах в режиме реального времени.

__На дом В каких сферах здравоохранения технологические обновления были бы особенно актуальны? Как еще можно использовать большие данные для улучшения эффективности медучреждений? Какие еще отрасли могли бы применять подобные системы для прогнозирования спроса?

Информация об инновационном проекте

Сайт: Контакты: [email protected] Название компании: Assistance publique — Hôpitaux de Paris Название инновационного проекта: TAP — система прогнозирования количества обращений Страна: Франция Сфера: Здоровье и благополучие / Умные города

Отправить