J:
Kādas uzņēmējdarbības problēmas var risināt mašīnmācība?
A:LeanTaaS mūsu uzmanības centrā ir prognozējošās analītikas, optimizācijas algoritmu, mašīnmācīšanās un simulācijas metožu izmantošana, lai atbrīvotu ierobežoto līdzekļu ietilpību veselības sistēmā - izaicinoša problēma veselības aprūpei raksturīgo lielo mainīgumu dēļ.
Risinājumam jāspēj radīt pietiekami specifiskus ieteikumus, lai frontes līnija katru dienu varētu pieņemt simtiem reālu lēmumu. Personālam jābūt pārliecībai, ka mašīna ir saņēmusi šos ieteikumus, apstrādājot lielu datu daudzumu, papildus tam, ka viņi ir uzzinājuši par visām izmaiņām pacienta apjomā, kombinācijā, ārstēšanā, kapacitātē, personālā, aprīkojumā utt., Kas neizbēgami rodas laika gaitā.
Apsveriet risinājumu, kas nodrošina inteliģentas norādes plānotājiem pareizajā laika nišā, kurā būtu jāplāno konkrēta tikšanās. Mašīnmācīšanās algoritmi var salīdzināt faktiski rezervēto tikšanos modeļus ar ieteikto tikšanās modeli. Neatbilstības var analizēt automātiski un mērogā, lai klasificētu “garām” vai nu kā unikālus notikumus, plānotāja kļūdas vai indikatoru, ka optimizētās veidnes novirzās no izlīdzināšanas un tāpēc tās ir jāatsvaidzina.
Kā vēl viens piemērs ir desmitiem iemeslu, kāpēc pacienti var ierasties savlaicīgi, savlaicīgi vai vēlu uz plānoto tikšanos. Sakraujot ierašanās laiku modeli, algoritmi var nepārtraukti “iemācīties” punktualitātes pakāpi (vai tās trūkumu), pamatojoties uz dienas laiku un konkrēto nedēļas dienu. Tos var iekļaut, veicot īpašus optimālas tikšanās veidnes pielāgojumus, lai tie būtu noturīgi pret neizbēgamajiem satricinājumiem un kavējumiem, kas rodas jebkurā reālās pasaules sistēmā, kas ietver pacienta iecelšanu.
