Machine Learning no cotidiano – Pt. 2

Como já publicado aqui anteriormente, destacamos os principais casos de uso do Machine Learning, no cotidiano. Com a Parte 1 mais direcionada em ações governamentais, a parte 2 está voltada para analisarmos o uso de machine learning em saúde mental. Oncologia e radiologia, e sua influência na vida e redução de taxas de reingresso.

1- Machine Learning na a redução de taxas de reingresso.

Hospitais e clínicas avaliam sua própria eficácia de diferentes maneiras, desde o tempo de estádia do paciente. Como tempo de espera para realização de atendimentos. No alto da lista de métricas, temos a taxa de reingresso. Sendo definida pelo retorno de um paciente dispensado do hospital ou clínica, em uma determinada quantidade de tempo. As readmissões dos pacientes, criam grandes custos. Sendo assim, um problemas para provedores e seguradoras, como para os pacientes.

Em função disso, um sistema de saúde nos EUA, está usando machine learning para ajudar a criar uma lente que observa os fatores que afetam a readmissão.

Começando por um esforço na antecipação das taxas de readmissão, os modelos de modelagem preditiva e avaliação cognitiva agregam vários fatores. Sendo eles como notas de médicos, anotações sobre cuidados, fatores sociais, danos demográficos, etc. Estes modelos de modelagem ajudaram não somente com a precisão de previsão em 47%, como ajudam a isolar fatores para a redução das taxas de reingresso em todos os níveis. Mantendo pacientes saudáveis e reduzindo custos.

Resultado de imagem para machine learning saúde

2- Machine Learning e a saúde na vida

Uma empresa de saúde internacional, com sede em Varsóvia na Polônia, oferece atendimento hospitalar e clínico. Através de uma ampla rede de afiliação. Durante anos, a empresa coordenou um atendimento primário e especializado, contendo testes de diagnósticos, serviços hospitalares, e cuidados com pacientes. Por fornecerem cuidados de ponta ao longo da vida de seus pacientes, os dados que eles coletam, acabam por dar a eles um grande poder de personalização com relação aos planos de cuidados com os pacientes. Assim, podendo realizar melhorias, e suavizar as transições entre os centros de cuidados. Os benefícios não param por ai, pois assim é possível executar analises profundas. E realizar o relacionamento de dados de pacientes a fatores de risco e soluções proativas.

Resultado de imagem para machine learning cotidiano

3- Machine Learning em Programas de saúde mental.

A pesquisa sobre questões de saúde mental e dependência geram um esforço grande para qualquer padrão. Principalmente para pesquisadores ansiosos para trazer ideias dos laboratório e clínicas para programas de ajuda a pacientes. Um exemplo que temos é de uma instituição de pesquisa no nordeste americano. Junto com o IBM, conseguiram organizar e minar pesquisas para tendências de dados sobre intervenções que realizam. Com ajuda da IBM, criaram um sistema de rastreio de resultados em pesquisas relacionadas a todos os pacientes, ao longo do tempo. Pelo desafio de encontrar recursos para financiar programas, fundamentar as descobertas e resultados das intervenções, é o que ajuda os financiadores a apoiar o trabalho vital da instituição.

 

Fonte: https://www.medium.com/inside-machine-learning/top-10-machine-learning-use-cases-part-2-7708ec514c2

About Andoni Campos

Analista de projetos na NGR Solutions.