準確預測未來。這是無數不同公共和私營機構的愿望，有助于組織提高效率、節省成本并簡化運營。在醫療保健領域，它可以幫助挽救生命。

[[331992]]

預測性分析可以采取許多不同的形式。然而，它本質上涉及使用機器學習和人工智能技術來分析數據(歷史數據或持續收集的數據，或兩者兼而有之)，并從中對未來可能發生的事件做出明智的預測。

物聯網技術的普及使得預測性分析能夠以多種不同的方式進行，因為物聯網傳感器可以收集大量數據，而這些數據在以前收集起來是非常昂貴或復雜的。在醫療保健領域，新生成的物聯網數據和更傳統的健康數據(如患者的生命體征和結果)為預測性分析帶來了巨大的機遇。精算師協會在2017年的一份報告中稱，93%的醫療機構認為預測性分析對其業務的未來非常重要，而89%的醫療機構目前正在使用預測性分析，或者計劃在未來五年內使用預測性分析。

那么，預測性分析對全球醫療保健的影響有哪些?以下僅為部分影響。

分析患者數據

在醫療保健中，預測性分析的一種“最簡單”形式是使用機器學習算法和人工智能來分析患者數據，而這是醫療保健流程中最核心的基本機制。

例如，這些數據可能與患者在特定情況下的療效有關，或者與他們對特定藥物或干預的反應有關。隨著時間推移，當結合其他信息(如先天條件和生活方式因素)進行分析時，這些數據可能具有難以置信的洞察力。它可以幫助研究人員和醫療從業人員更好地預測結果，使他們能夠更好地定制護理，并更好地管理患者的期望。它還可以幫助主動識別那些可能會從特殊療法中受益很大的患者。

再次入院管理

患者出院后再次入院治療可能特別危險，在許多情況下，這是醫療機構評估和排名的關鍵因素。

根據上述分析模型，預測性分析可以幫助醫療保健組織了解哪些患者更可能需要再次入院。如果患者被送回家時有物聯網醫療設備來監測特定的生命體征，那么這種形式的預測性分析會變得更加主動，可以實時識別患者何時可能惡化到需要再次入院的程度。

爽約

杜克大學的一項研究發現，電子健康記錄(EHR)數據可用于準確預測哪些患者最有可能預約后不來看病。在醫療服務面臨“高度緊缺”，并鼓勵患者以負責任的方式使用服務的巨大壓力下，這些見解可能是無價的。它們能夠主動針對特定患者，以避免將來出現爽約的情況。

實物資產

就像在工業和制造業環境中一樣，醫療保健組織也可以從預測性分析中受益，以更好地管理其最復雜和最昂貴的實物資產。(來源物聯之家網)像核磁共振儀這樣的高科技設備，如果安裝了傳感器來監測關鍵信息，就可以在小問題升級之前主動進行維護和修理。這樣做可以延長關鍵設備的使用壽命，并提高組織的利潤。

預測性分析在醫療保健領域有著無數不同的應用，以上這些僅是部分而已，它開啟了一個我們真正可以預測未來的時代。