AI预测模型优化医疗资源效率

赫特福德大学研究人员开发了一款AI预测模型，旨在提升医疗资源的运营效率。

公共部门通常拥有大量历史数据，但这些数据往往未能用于前瞻性决策。赫特福德大学与当地NHS卫生机构合作，通过机器学习应用于运营规划来解决这一问题。该项目分析医疗需求，协助管理者在人员配置、患者护理和资源分配方面做出决策。

大多数医疗领域的AI项目专注于个体诊断或患者层面的干预。项目团队指出，这款工具的目标是系统级的运营管理。这一区别对于领导者评估在自身基础设施中部署自动化分析的位置至关重要。

该模型使用五年历史数据来构建预测。它整合了入院、治疗、再入院、床位容量和基础设施压力等指标。系统还考虑了劳动力可用性以及年龄、性别、种族和贫困程度等当地人口因素。

赫特福德大学信号处理与机器学习教授Iosif Mporas领导该项目。团队包括两名全职博士后研究人员，并将持续开发至2026年。

Mporas教授表示：“通过与NHS合作，我们正在创建能够预测如果不采取行动会发生什么，并量化区域人口变化对NHS资源影响的工具。”

在医疗运营中使用AI进行预测

该模型生成预测，显示医疗需求可能如何变化。它模拟了这些变化在短期、中期和长期的影响。这种能力使领导层能够超越被动管理。

NHS赫特福德和西埃塞克斯战略项目经理Charlotte Mullins评论道：“需求的战略建模可以影响从患者结果到慢性病患者数量增加的一切。

“如果使用得当，这款工具可以使NHS领导者做出更主动的决策，并实现中央东部综合护理委员会战略文件中阐述的10年计划。”

赫特福德大学综合护理系统合作项目资助了这项工作，该项目始于去年。专为医疗运营定制的AI模型目前正在医院环境中进行测试。项目路线图包括将模型扩展至社区服务和养老院。

这一扩展与该地区的结构变化相一致。赫特福德和西埃塞克斯综合护理委员会服务160万居民，并准备与两个邻近委员会合并。这次合并将创建中央东部综合护理委员会。下一阶段的开发将整合更广泛人口的数据，以提高模型的预测准确性。

该倡议展示了遗留数据如何推动成本效率，并表明预测模型可以为NHS等复杂服务环境中的“不作为”评估和资源分配提供信息。项目强调了整合从劳动力数量到人口健康趋势等各种数据源的必要性，以创建决策的统一视图。