Усклађивање образаца и предвиђање хитних потреба у болницама је тежак задатак за квалификовано медицинско особље, али не за АИ и машинско учење. Медицинско особље нема луксуз да свакога пацијента посматра стално. Иако су невероватно добре у препознавању непосредних потреба пацијената у очигледним околностима, медицинске сестре и медицинско особље не поседују могућности препознавања будућности из сложеног низа пацијентских симптома изложених у разумном периоду. Машинско учење има луксуз не само посматрање и анализирање података о пацијентима 24/7, већ и комбиновање података прикупљених из више извора, тј. Историјских записа, дневних процена од стране медицинског особља и мерења виталних вредности у реалном времену, као што су брзина откуцаја срца, употреба кисеоника. и крвни притисак. Примена АИ у процени и предвиђању скорог срчаног удара, падова, можданог удара, сепсе и компликација тренутно је у току широм света.
Пример из стварног света је како је болница Ел Цамино повезала ЕХР, аларм за кревет и медицинске сестре да податке о светлости називају аналитичким подацима како би идентификовали пацијенте под високим ризиком од пада. Болница Ел Цамино смањила је пад, што је главни трошак болницама, за 39%.
Методологије машинског учења које користи Ел Цамино врх су леденог бријега, али значајно представљају будућност здравствене заштите користећи увиде усмјерене на акције или аналитику на рецепт. Они користе мали подскуп потенцијалних доступних информација и физичких радњи које је предузео пацијент, као што су излазак из кревета и притискање тастера за помоћ у комбинацији са здравственим картонима - периодично мерење од стране болничког особља. Болничка машина тренутно не уноси значајне податке са кардиолошких монитора, монитора за дисање, монитора засићења кисеоником, ЕКГ апарата и камера у уређаје за складиштење великих података са идентификацијом догађаја.
