Santé
❯
Prédire la maladie
❯Médecin augmenté
❯Application de l'apprentissage automatique pour prédire le risque de nouvelles infections à l'hôpital pour les patients
Prédire la rechute d'un patient dialysé pendant le traitement
Pour:
Infirmiers dialysés, patients dialysés, hôpitaux partenaires
But:
Construire une solution d'IA pour augmenter le nombre d'infirmières en dialyse
Objectif:
Expérience client améliorée
Triage instantané des plaies
Pour:
Infirmières en plaies, patients diabétiques, hôpitaux
But:
Construire une solution d'IA pour augmenter les décisions de triage par les infirmières spécialisées dans les plaies.
Objectif:
Amélioration de l'efficacité des employés
Prédiction de la tuberculose multirésistante à partir d'images pulmonaires CT basées sur des techniques d'apprentissage en profondeur
Pour:
Les cliniciens et les professionnels de la santé prédisent les patients multirésistants (MDR) des patients sensibles aux médicaments (DS) sur la base d'images pulmonaires CT.
Objectif:
Amélioration de l'efficacité des employés
Application de l'apprentissage automatique pour prédire le risque de nouvelles infections à l'hôpital pour les patients
Pour:
Hôpitaux
Objectif:
Amélioration de l'expérience client, anticipation des risques
Application de l'apprentissage automatique pour prédire le risque de nouvelles infections à l'hôpital pour les patients
Pour:
HôpitauxObjectif:
Amélioration de l'expérience client, anticipation des risquesProblème adressé
Parfois, une infection est contractée à l'hôpital ou une complication survient après une intervention chirurgicale. Selon l'Organisation mondiale de la santé, de tels événements indésirables liés à la santé surviennent dans 8 à 12 % de toutes les hospitalisations. Un rapport de 2017 de l'Organisation de coopération et de développement économiques (OCDE) montre que plus de 10 % des dépenses hospitalières sont liées au traitement des événements indésirables liés à la santé qui surviennent pendant les hospitalisations.
Description
L'hôpital CHUGA en France s'est associé à Elsevier pour appliquer l'apprentissage automatique à ses données historiques sur les patients dans le but de créer des modèles qui identifient les patients les plus à risque d'événements indésirables liés aux soins de santé. Les modèles identifient les 5 % de patients les plus susceptibles de présenter un risque accru de 4,7 fois d'événements potentiellement mortels comme la thromboembolie ou un risque de 40 % d'un séjour prolongé à l'hôpital. Cela permettra à l'hôpital de signaler les patients qui correspondent au profil de risque et de fournir des soins plus ciblés.
Données brutes
IA: Percevoir
Apprentissage automatique
IA: Comprendre
Aide à la décision - Prédire / Prévoir
IA: Agir