Přizpůsobení vzorců a předvídání naléhavé potřeby v nemocnicích je obtížným úkolem pro kvalifikované zdravotnické pracovníky, nikoli však pro umělé inteligence a strojové učení. Zdravotnický personál nemá luxus pozorovat každého ze svých pacientů na plný úvazek. Přestože jsou sestry a zdravotníci neuvěřitelně dobře identifikovatelní okamžité potřeby pacientů za zřejmých okolností, nemají schopnosti rozeznat budoucnost od komplexní řady symptomů pacienta, které se projeví v přiměřené době. Strojové učení má luxus nejen sledovat a analyzovat data pacientů 24/7, ale také kombinovat informace shromážděné z více zdrojů, tj. Historických záznamů, denních hodnocení zdravotnického personálu a měření vitálů v reálném čase, jako je srdeční frekvence, spotřeba kyslíku a krevní tlak. Aplikace AI při hodnocení a predikci bezprostředních infarktů, pádů, mrtvic, sepse a komplikací v současnosti probíhá na celém světě.
Příkladem skutečného světa je to, jak nemocnice El Camino Hospital propojila údaje EHR, alarm postele a sestra s daty světla k analytice k identifikaci pacientů s vysokým rizikem pádů. Nemocnice El Camino snížila pády, což jsou hlavní náklady nemocnic, o 39%.
Metodiky strojového učení, které používá El Camino, jsou špičkou ledovce, ale významně představují budoucnost zdravotní péče pomocí analýz zaměřených na akce nebo analytiky na předpis. Používají malou podmnožinu možných dostupných informací a fyzických akcí, které pacient provádí, jako je opuštění postele a stisknutí tlačítka nápovědy ve spojení se zdravotními záznamy - pravidelné měření nemocničním personálem. Nemocniční stroje v současné době nepodávají významná data ze srdečních monitorů, monitorů dýchání, monitorů saturace kyslíkem, EKG a kamer do velkých zařízení pro ukládání dat s identifikací událostí.
