病院では、入院予定の患者を病院施設へ受け入れるため、医療スタッフや院内リソースの計画に日々苦労している。来院する患者の数や滞在時間を予測することは難しい。そのため病院は、患者の治療に十分な人数のスタッフを、バランスよく確保するよう努力している。AIの予測アルゴリズムがあれば、病院がそれまで蓄えたデータを当てはめて、患者の滞在時間を予測できるようになる。病院スタッフは患者データ分析を分析することで、予想される業務に対して今まで以上に万全な準備ができ、患者に合った適切な治療を施せる。通常、こうした予測はプログラミング言語「Python」や「R」で作成されたアルゴリズムなので、あらゆる病院で利用できる。このアルゴリズムは一般に、Google、Amazon、MicrosoftのAIプラットフォームで使用可能だ。

リスクの高い患者の見極め

　AI技術でリスクの高い患者を見極めることもできる。リスクの要因は、患者の年齢、性別、病歴、体内環境など、患者によって異なる。そのため、電子カルテではリスクの高い患者を正確に見極めることが難しい場合がある。電子カルテは一定の基準から患者に高いリスクがあるかどうかは調べられるが、蓄積されたデータの参照や、確率に基づく予測はできない。ここでもAIの出番だ。AIは電子カルテから対象となる患者データを分析し、蓄積データから認められるパターンと比較して、患者が抱えるリスクを正確に見極めることができる。既に、幾つかのアルゴリズムが心臓疾患をもつ患者の診療に用いられている。

患者の再入院率の改善

　医療現場には、患者が再入院する懸念もある。患者の再入院率は、患者の治療の効果を分析する指標となり、米国のCenters for Medicare and Medicaid Services（CMS、アメリカ合衆国保健福祉省）からペナルティーを受ける要因にもなる。そのため病院は、再入院率が重要な指標であり、できる限り低い値に保つ必要があると考えている。対策の1つは、再入院のリスクが高いと予想される患者を退院後も見守ることだ。実現するには、患者のデータを分析する必要がある。再入院のリスクが高いと思われる患者を予測するAIを用いて、患者リストに優先順位を付ける。退院後、優先順位が高い患者と、体調が悪化する前に連絡を取ることで、患者の予後を改善できる。それだけでなく、医療機関への入院率の上昇も抑えることができる。

　医療分野でのAIの利用状況は拡大を続けている。高度な分析ができるAIを評価して導入する病院が増えるにつれて、AIはさらにデータを蓄積し、財務業績目標、リソースプランニング、生産性、患者の治療や予後経過をサポートできるようになっていく。