Архив Здравоохранение и фармацевтика · Медицинские организации
Hallym University Medical Center: 42 ИИ-модели рисков пациентов
По данным Hallym University Medical Center, 42 модели машинного обучения оценивают риски для пациентов (падения, пролежни, делирий, инфекции) прямо в системе назначений; средний показатель прогнозирования составляет 87%. В опросе медсестёр одного отделения 97% довольны внедрением.
/01 · ключевые результаты
-
результат
97%
медсестёр, довольных внедрением ИИ-моделей прогноза
전자신문 (Electronic Times), статья, 01.11.2024
опрос в августе 2024 года · медсёстры отделения 108 больницы Gangnam Sacred Heart Hospital
данные компании
-
возможность системы
87%
средний показатель прогнозирования 42 моделей
전자신문 (Electronic Times), статья, 01.11.2024
по данным на ноябрь 2024 года · 42 модели прогноза рисков для пациентов
данные компании
- 42 шт. ИИ-модели прогноза рисков в клинической работе · масштаб 전자신문 (Electronic Times), статья, 01.11.2024
оценка strategai
Оценку не приводим: источник не называет денежного эффекта, объёма пациентов или базового уровня происшествий.
По данным Hallym University Medical Center, 42 модели машинного обучения оценивают риски для пациентов (падения, пролежни, делирий, инфекции) прямо в системе назначений; средний показатель прогнозирования составляет 87%. В опросе медсестёр одного отделения 97% довольны внедрением.
/02 · паспорт кейса
Бизнес
- Компания
- Hallym University Medical Center
- Отрасль
- Здравоохранение и фармацевтика · Медицинские организации
- Функция
- Производство и основные операции
- Задача
- Диагностика и клинические СППР
Технология
- Класс AI
- Предиктивная аналитика (классический ML)
- Тип решения
- Собственная разработка
- Данные
- Электронные медицинские записи (EMR), в среднем данные пациентов за 10 лет; переменные: отделение, возраст, пол, день приёма, код диагноза.
Внедрение
- Стадия
- Промышленная эксплуатация, на 01.11.2024
- География
- Республика Корея
/03 · описание кейса
Зачем
Бизнес-задача
Hallym University Medical Center — корейская сеть больниц, где у медицинского персонала под наблюдением одновременно находятся сотни пациентов. По описанию центра, до появления прогнозных моделей небольшая группа медработников не могла непрерывно отслеживать столько пациентов и заранее заметить ухудшение состояния. Центр поставил задачу оценивать риски для амбулаторных, стационарных и экстренных пациентов (падения, пролежни, делирий, инфекции, осложнения гипертонии и диабета) заранее и в реальном времени, чтобы снизить число тяжёлых случаев и разгрузить персонал.
Что
Решение
Центр разработал 42 модели машинного обучения; это наибольшее число моделей, разработанных и применяемых в медицинских организациях Кореи, по утверждению центра. Среди них модели падений и пролежней, стеноза сосудистого доступа у диализных пациентов, флебита, осложнений гипертонии и диабета, инфекций CRE и CPE, пролежней у пациентов приёмного отделения и делирия. Каждый раз, когда медперсонал открывает данные пациента в системе назначений (OCS), модель рассчитывает вероятность события, и пациента относят к группе высокого, среднего или низкого риска.
Как
Внедрение
Модели обучены на данных электронных медицинских записей: в среднем за 10 лет, с переменными по отделению, возрасту, полу, дню приёма и коду диагноза; для каждой задачи использован оптимизированный алгоритм машинного обучения. Центр сообщил об этом 1 ноября 2024 года; средний показатель прогнозирования 42 моделей составляет 87%. В августе 2024 года опрос медсестёр отделения 108 больницы Gangnam Sacred Heart Hospital показал, что 97% респондентов довольны моделями: они видят состояние пациентов в реальном времени, получают круглосуточное сопровождение и отмечают меньше тяжёлых случаев. Руководитель сестринской службы больницы связывает внедрение со снижением происшествий.
/04 · источники и проверка
Что подтверждено
- По данным центра, 42 модели машинного обучения применяются для амбулаторных, стационарных и экстренных пациентов, а прогноз рассчитывается каждый раз при открытии данных пациента в системе назначений.
- Средний показатель прогнозирования 42 моделей составляет 87%; модели обучены на данных электронных записей в среднем за 10 лет.
- В августе 2024 года 97% опрошенных медсестёр отделения 108 больницы Gangnam Sacred Heart Hospital сообщили, что довольны внедрением моделей.
Ограничения
- 87% — средний показатель по всем 42 моделям; источник не раскрывает метод его расчёта и не приводит значения по отдельным моделям.
- 97% — результат опроса медсестёр одного отделения одной больницы; цифра отражает удовлетворённость и не показывает число предотвращённых происшествий.
- Заявление о снижении тяжёлых случаев и происшествий принадлежит центру и его руководителю сестринской службы; числовых данных об этом в источнике нет.
-
[1] 전자신문 (Electronic Times)
한림대의료원, 42개 AI 예측 모델 적용…“국내 최대 규모” - 전자신문
СМИ · 01.11.2024
Открыть источник
АрхИИВ /strategai · CB-001737 · Версия 1 · 23.10.2026 · /c/CB-001737/