Potrivirea modelului și prezicerea unei nevoi exigente în spitale este o sarcină dificilă pentru personalul medical calificat, dar nu și pentru învățarea AI și pentru învățarea mașinii. Personalul medical nu are luxul de a-și observa fiecare pacient în parte. Deși incredibil de buni în identificarea nevoilor imediate ale pacienților în circumstanțe evidente, asistenții medicali și personalul medical nu posedă capacitățile de a discerne viitorul dintr-o serie complexă de simptome ale pacientului expuse într-o perioadă rezonabilă. Învățarea automată are luxul de a observa și analiza datele pacientului 24/7, dar și de a combina informațiile colectate din mai multe surse, adică înregistrări istorice, evaluări zilnice de către personalul medical și măsurători în timp real ale vitalelor precum frecvența cardiacă, consumul de oxigen și tensiunea arterială. Aplicarea AI în evaluarea și predicția de atacuri de cord iminente, căderi, accidente vasculare cerebrale, sepsis și complicații este în prezent în curs de întreaga lume.
Un exemplu din lumea reală este modul în care Spitalul El Camino a legat EHR, alarma pentru pat și asistenta medicală apelează la date ușoare la analize pentru a identifica pacienții cu risc ridicat de căderi. Spitalul El Camino a redus căderile, un cost major pentru spitale, cu 39%.
Metodologiile de învățare automată utilizate de El Camino sunt vârful aisbergului, dar reprezintă în mod semnificativ viitorul asistenței medicale, folosind idei orientate spre acțiune sau analize de prescripție medicală. Ei folosesc un mic subset de informațiile potențiale disponibile și acțiunile fizice întreprinse de pacient, cum ar fi ieșirea din pat și apăsarea butonului de ajutor împreună cu fișele de sănătate - o măsurare periodică de către personalul spitalului. În prezent, echipamentele spitalicești nu alimentează date semnificative de la monitoare cardiace, monitoare de respirație, monitoare de saturație de oxigen, ECG și camere de luat vederi în dispozitive mari de stocare a datelor cu identificarea evenimentelor.