Det tre år lange partnerskapet mellom University College London Sykehus(UCLH) og Alan Turing Institute har som mål å bringe fordelene ved maskinlæringsrevolusjonen til NHS i en enestående skala.
Prof Bryan Williams, forskningsdirektør ved University College London Hospitals NHS Foundation Trust, sa at flyttingen kan ha stor innvirkning på pasientutfall, og trekke paralleller med transformasjonen av forbrukeropplevelsen fra selskaper som Amazon og Google.
"Det kommer til å bli en spillveksler," sa han. "Du kan gå på telefonen og bestille flybillett, bestemme hvilke filmer du skal se eller bestille pizza ... det handler om AI," sa han. “På NHS er vi ikke i nærheten av sofistikert nok. Vi sender fortsatt brev ut, noe som er ekstraordinært. ”
I hjertet av partnerskapet, der UCLH investerer en "betydelig", men ikke navngitt sum, er troen på at maskinlæringsalgoritmer kan gi nye måter å diagnostisere sykdom, identifisere personer i fare for sykdom og lede ressurser. I teorien kan leger og sykepleiere være utplassert på avdelinger, som Uber-sjåfører som trekker til steder med størst etterspørsel på bestemte tider av døgnet. Men flyttingen vil også utløse bekymringer om personvern, cybersikkerhet og helsepersonellens skiftende rolle.
[the_ad id = "11018 ″]Det første prosjektet vil fokusere på å forbedre sykehusets ulykkes- og akuttavdeling, som i likhet med mange sykehus ikke klarer å oppfylle regjeringens ventetidsmål.
"Prestasjonene våre i år har falt under ventetiden på fire timer, noe som ikke reflekterer engasjementet og engasjementet for våre ansatte," sier prof. Marcel Levi, administrerende direktør i UCLH. "[Det er] en indikator på noen av de andre tingene i hele kjeden som angår strømmen av akutte pasienter inn og ut på sykehuset som er galt."
I mars, bare 76.4% av pasientene som trenger akutt omsorg ble behandlet innen fire timer på sykehusenhetene i England i mars - den laveste andelen siden registreringer startet i 2010.
Ved å bruke data hentet fra tusenvis av presentasjoner, kan en maskinlæringsalgoritme indikere for eksempel om en pasient med magesmerter sannsynligvis skulle lide av et alvorlig problem, som tarmperforasjon eller en systemisk infeksjon, og raskt spore pasientene som forhindrer deres tilstand fra å bli kritisk.
"Maskiner vil aldri erstatte leger, men bruk av data, kompetanse og teknologi kan radikalt endre hvordan vi administrerer tjenestene våre - til det bedre," sa Levi.
Et annet prosjekt, som allerede er i gang, tar sikte på å identifisere pasienter som sannsynligvis ikke vil delta på avtaler. En konsulent nevrolog ved sykehuset, Parashkev Nachev, har brukt data som inkluderer faktorer som alder, adresse og værforhold for å forutsi med 85% nøyaktighet om en pasient vil møte opp til poliklinikker og MR-skanninger.