Contenu
Q:
Quels types de problèmes métier l’apprentissage automatique peut-il traiter?
UNE:
Chez LeanTaaS, notre objectif est d’utiliser des méthodes d’analyse prédictive, d’algorithmes d’optimisation, d’apprentissage automatique et de simulation afin de libérer la capacité de ressources rares dans un système de santé - un problème complexe en raison de la grande variabilité inhérente aux soins de santé.
La solution doit pouvoir générer des recommandations suffisamment spécifiques pour que la ligne de front puisse prendre des centaines de décisions concrètes chaque jour. Le personnel doit avoir la certitude que la machine a abouti à ces recommandations après avoir traité de grandes quantités de données et appris de tous les changements survenus dans le volume, la composition, les traitements, la capacité, les effectifs, le nombre de patients, qui vont inévitablement se produire au fil du temps.
Envisagez une solution fournissant des conseils intelligents aux planificateurs sur le bon créneau horaire dans lequel un rendez-vous spécifique doit être programmé. Les algorithmes d'apprentissage automatique peuvent comparer les modèles des rendez-vous réellement réservés au modèle recommandé de rendez-vous. Les écarts peuvent être analysés automatiquement et à l’échelle pour classer les «ratés» en événements uniques, en erreurs du planificateur ou en indiquant que les modèles optimisés sont en train de dériver et qu’ils doivent donc être actualisés.
Autre exemple, il existe des dizaines de raisons pour lesquelles les patients peuvent arriver tôt, à l'heure ou en retard aux rendez-vous prévus. En exploitant le modèle des heures d'arrivée, les algorithmes peuvent «apprendre» en permanence le degré de ponctualité (ou l'absence de), en fonction de l'heure du jour et du jour de la semaine. Celles-ci peuvent être intégrées dans des ajustements spécifiques sur le modèle de rendez-vous optimal afin de pouvoir résister aux chocs et aux retards inévitables qui se produisent dans tout système réel impliquant des rendez-vous pour les patients.