Isi
Q:
Apa jenis masalah bisnis yang dapat ditangani pembelajaran mesin?
SEBUAH:
Di LeanTaaS, fokus kami adalah menggunakan analisis prediktif, algoritme optimisasi, pembelajaran mesin, dan metode simulasi untuk membuka kapasitas aset langka dalam sistem kesehatan - masalah yang menantang karena variabilitas tinggi yang melekat dalam perawatan kesehatan.
Solusinya harus dapat menghasilkan rekomendasi yang cukup spesifik agar garis depan dapat membuat ratusan keputusan nyata setiap hari. Staf harus memiliki keyakinan bahwa mesin tiba pada rekomendasi yang telah memproses data dalam jumlah besar selain belajar dari semua perubahan dalam volume pasien, campuran, perawatan, kapasitas, staf, peralatan, dll., Yang pasti akan terjadi seiring waktu.
Pertimbangkan solusi yang menyediakan panduan cerdas untuk penjadwal pada slot waktu yang tepat di mana janji khusus harus dijadwalkan. Algoritma pembelajaran mesin dapat membandingkan pola untuk janji temu yang sebenarnya dipesan dengan pola janji temu yang direkomendasikan. Perbedaan dapat dianalisis secara otomatis dan pada skala untuk mengklasifikasikan "meleset" sebagai peristiwa unik, kesalahan penjadwal atau indikator bahwa template yang dioptimalkan melenceng keluar dari penyelarasan dan karenanya memerlukan penyegaran.
Sebagai contoh lain, ada lusinan alasan mengapa pasien dapat datang lebih awal, tepat waktu atau terlambat untuk janji yang telah dijadwalkan. Dengan menambang pola waktu kedatangan, algoritme dapat terus-menerus “mempelajari” tingkat ketepatan waktu (atau kurangnya) berdasarkan waktu hari dan hari kerja tertentu. Ini dapat dimasukkan ke dalam membuat penyesuaian khusus pada templat janji temu yang optimal sehingga mereka tahan terhadap guncangan dan penundaan yang tak terhindarkan yang terjadi dalam sistem dunia nyata yang melibatkan janji dengan pasien.