Steward Health使用datarrobot降低成本

管家保健标识颜色

管家卫生保健, 美国最大的营利性私立医院运营商, 利用机器学习对员工和病人做出重大决定, 降低成本, 改善病人的治疗结果和体验.

挑战
医院60%的运营费用来自员工. Steward Health需要一种改进的方法来预测医院的数量和人员配备,以促进采取主动行动降低成本.
解决方案
使用datarrobot的自动机器学习, Steward Health确定了相关的历史数据, 根据这些数据快速构建和测试模型, 从数据中学习. datarrobot模型现在被输入到Steward的专利和正在申请专利的主动劳动管理(PLM)仪表板中, 这是一个运行在Microsoft Azure上的SaaS平台,可以访问管家卫生保健网络中的所有38家医院.
结果
Steward Health已经开始实现降低成本的目标. 注册护士每病人一天的工时减少1%,每年可节省200万美元, 斯图尔德网络中的38家医院中的8家.

根据法律规定,医院必须记录、收集和维护大量数据. 管家保健, 美国最大的营利性私人医院运营商, 所有这些数据都代表着巨大的机遇, 还有一个大问题:他们如何使用预测分析, 人工智能(AI)和机器学习来驱动所有这些数据的价值?

找到这个问题答案的责任落到了艾琳·沙利文身上, 管家卫生保健的信息系统和软件开发执行主任. 艾琳的任务是提高Steward在美国38家医院网络的运营效率, 着眼于降低成本. 以便集中精力, 管家卫生保健决定解决医院业务面临的最紧迫的挑战之一——人手数量. 解决这一挑战的答案就在数据中.

她说:“ob真人游戏有数据,大量的数据,ob真人游戏希望利用这些数据为ob真人游戏服务。. “把它变成ob真人游戏的优势的最好方法就是从中学习, DataRobot有工具来帮助ob真人游戏获取历史数据, 操纵它, 并从中吸取教训.”

在管家卫生保健,ob真人游戏使用datarrobot来做一些非常重要的决定. - Erin Sullivan信息系统和软件开发执行董事, 管家卫生保健

医院人员配备问题

医院60%的运营费用来自员工, 这在任何医院的预算中都是一个巨大的项目 . 用于计划和调度目的, 典型的医院人员配备模式设定为平均人口普查和业务量. 不幸的是, 通过对一个静态平均值工作, 这意味着在病人量的高峰期, 这家医院经常人手不足, 在病人量的低谷期, 这家医院经常人满为患. 这是非常低效的, 这通常会导致医院在随叫随到员工和加班费方面产生极高的费用.

管家卫生保健的CEO, Dr. Ralph de la Torre,挑战他的团队找到一个更积极主动的方法. 仅仅每月召开一次近距离会议,并分发报告,强调上个月的人员配置工作效率低下是不够的. Steward需要找到可行的机会,以更有效地预测医院的数量和人员配置.

“ob真人游戏一直都有基本的销量预测趋势——每周的天数, 现在正是时候——但ob真人游戏需要别的东西,”艾琳说. “ob真人游戏没有数据科学家,也没有分析深度. ob真人游戏有这些数据, 但ob真人游戏不知道该怎么做——如何处理ob真人游戏的数据,并将其通过模型来得到ob真人游戏需要的结果.”

传统医疗并没有走在人工智能的前沿, 机器学习, 甚至软件和技术. ob真人游戏需要有人帮助ob真人游戏更好地对所有(ob真人游戏的)数据进行预测建模. ——艾琳·沙利文

图2021 11 09 12.24.26 PM

迈出下一步

Hospital staffing volume is predictable and trendable; the development team already knew this, 而且不需要datarrobot的自动机器学习平台. 但DataRobot给Steward带来了两个方面的好处:

  • 提供的工具 来帮助Steward操作他们的数据, 根据这些数据快速构建和测试模型, 最终从数据中学习;
  • 共享数据科学知识 和专业知识来帮助Steward解决他们的技能和资源真空.

在Sergey Yurgenson的咨询帮助下, datarrobot的首席数据科学家, 直接与Erin和Steward的数据工程团队合作, 该项目首先确定了网络中所有医院的历史数据来源. 他们向模型输入的数据越多,就越能调整他们的预测.

住院患者的数量主要来自两个主要来源:急诊(ED)和择期手术室(OR)时间表. 该团队想要确定的是其他可能影响量预测的外部因素. 一些因素是预料之中的——周六的手术计划更少, 周一到周三有更多的时间——而其他时间则有点出乎意料:学校假期周, 新英格兰运动队时间表, 甚至是月相!

datarrobot自动化机器学习平台帮助Steward构建和测试新的机器, 比以往任何时候都更精确的模型. Steward能够快速地获得384个模型,每天具体的体积和1个,在艾琳和她的团队建造的仪表盘中,152种特定班次的模型投入生产. 这些datarrobot模型被输入Steward的专有和正在申请专利的主动劳动管理(PLM)仪表板, 这是一个运行在Microsoft Azure上的SaaS平台,可以访问管家卫生保健网络中的所有38家医院.

“在目前的人员配备模式下(与DataRobot合作), ob真人游戏可以工作到高峰和低谷, 也要提前做好,”艾琳说. “提前做好, 你需要能够信任它, 为了信任它, ob真人游戏需要的不仅仅是ob真人游戏自己:ob真人游戏需要datarrobot来帮助ob真人游戏.”

可操作的结果=底线影响

Steward的PLM仪表板中内置了一个精确度跟踪器, 目前每日模型的准确率为95%. 随着模型和仪表板在整个Steward网络中铺开, 开发团队已经发现了新的趋势并进行了相应的调整. 例如, 一些医院的一些科室——比如精神科或重症监护室——已经被证明比其他科室更准确.

Steward还使用datarrobot来帮助预测和缩短病人的住院时间. 这个项目有双重好处,不仅改善了病人的治疗结果和体验, 同时也降低了成本. 有了有助于预测某些诊断的预期住院时间的数据,医生就可以采取积极措施,让病人更快回家, 不牺牲护理质量.

管家卫生保健已经在朝着降低成本的目标前进:

  • 每减少1%的注册护士工作时间,每年就能节省200万美元, 在斯图尔德网络的38家医院中,只有8家.
  • 缩短病人住院时间0.1%每年可节省超过1000万美元.
  • 通过主动减少兵力,对医院运作的干扰显著减少.
datarrobot StewardHealthCare案例研究v3

Erin Sullivan在AI Experience Boston分享Steward的故事

根据艾琳的说法, Steward通过DataRobot实现的预测类型和不断提高模型精度方面,该团队仍处于起步阶段. 艾琳和她的团队面临着从7天预测到14天的挑战, 一个月, 甚至提前两个月. 斯图尔德还开始研究预测供应量, 在为医生提供他们想要和需要的工具时,能够更紧密地管理成本和提高操作效率.

随着Steward不断向其网络中添加更多的医院和更多的数据, 利用datarrobot的自动机器学习平台建立预测模型的潜在收益是无限的.

“datarrobot是ob真人游戏增长战略的重要组成部分,”艾琳说. “如果没有ob真人游戏与DataRobot公司在灵活和合作方面的关系,ob真人游戏就不可能成功. ob真人游戏很幸运有Sergey的指导和专业知识, 是谁收留了ob真人游戏的初级数据科学家.”

管家保健标识颜色
行业
地理位置
北美
喜欢这个故事? 与他人分享:

开启成为人工智能企业之旅