根据德勤全球医疗支出预计每年4.1％的二〇一七年至2021年的仅1.3％，2012 - 2016年中的增长，增长。该报告表明，这种增长将受到老龄化，人口增长作为燃料，发展中市场，在药物治疗的进步，以及劳动力成本上升的增长。
医院和医疗保健公司将要作出更多的工作流程，以满足需求更有效。他们能做到这一点的方法之一是商业智能软件的帮助。AI似乎正在进入商业智能软件医疗保健行业。截至目前，许多公司要求协助数据科学家和数据分析师服务于医疗保健领域在与他们的角色方面收集关于改善医院环境、临床工作流程和管理流程的见解。
我们对这个领域进行了研究，以便更好地理解基于人工智能的商业智能在其中的作用卫生保健梧桐试着回答以下问题:
- 目前什么类型的基于人工智能的商业智能应用程序中使用卫生保健？
- 基于人工智能的商业智能应用程序带来了多么具体的结果啊卫生保健？
- 这些创新努力有什么共同的趋势吗?这些趋势将如何影响未来卫生保健？
这整个报告涵盖供应商提供的软件两种技术：
- 预测分析：基于机器学习的分析可以使医院和医疗保健公司就患者的治疗效果，诊断和预测成本。
- 规范的分析:类似的预测分析，但该软件据称可以提供它使预测的原因不同。
预测分析
Cloudera的
Cloudera的是旧金山为本公司的提议企业数据中心，它声称可以帮助提供商，付款人，设备和药品生产企业在医疗保健行业存储和牧师大数据发展预测模型，支持病人的护理运用机器学习。
Cloudera的索赔该应用程序能够识别和分析来自基因测序，电子健康档案，传感器和穿戴式和临床记录，在其他不同格式的数据，用来创建预测，可以帮助医疗机构提供更好的病人护理和服务。
举例来说，一家儿童医院可能需要知道如何将环境因素，如光线和噪音，影响婴儿的护理和患者的治疗效果在新生儿病房的质量。医院已经收集利用患者的生命体征，如呼吸，心脏速率和血压床头传感器的数据。除此之外，医院还需要患者每小时快照。数据被存储在数据集线器。
然后，业务分析人员或数据在医院的科学家可能进行文本搜索，如“环境光+婴儿护理，”使用应用程序的界面。该应用程序的机器学习模型将与相关患者疗效（婴儿护理）的因素（环境光），并在数据库中搜索模式，显示光环境如何可能加剧或改善病房条件的婴幼儿。
结果可能会以图形的形式出现，显示婴儿暴露在病房环境光下恢复或恶化的速度，以天为单位测量。结果将以图表形式直观地呈现出来，康复意味着住院天数减少，病情恶化或现状意味着住院天数增加。
然后，卫生机构可以决定采取相关的照明和噪音，将改善患者的康复什么行动。
下面是一个短2- 分为视频演示了如何Cloudera的工作原理:
Cloudera的声称有帮助Quest Diagnostics公司创建一个集中的数据中心，并实现高级分析。任务是诊断的见解，医生和医院的供应商。它每天生产超过75万的实验室结果，积累在过去十年中超过20个十亿实验室结果。客户需要一个能够整合，处理和分析非结构化和结构化数据源，以获得新的临床见解的应用程序。
Cloudera的用于其企业产品结构化数据从数据仓库与非结构化数据从各种来源结合起来。该产品还使任务提供新的产品，如人口实验室见解。该产品使任务，以显示其客户在病人护理可能存在的差距，并仔细检查患者个体的结果，以确保他们接受他们所需要的正确测试。
Quest的数据分析师和数据科学家访问SQL商业智能软件和使用的Tableau的数据可视化和IBM Cognos软件的BI分析。
Cloudera的还列出了葛兰素史克公司，Cerner公司，汤森路透，万事达卡，纽约证券交易所，小松，ADP和西科斯基如一些他们过去的客户。
阿姆鲁阿瓦达拉是创始人兼首席技术官在卡尔德拉。他持有博士在电气工程从斯坦福大学。在此之前,阿瓦达拉担任产品智能工程副总裁在雅虎。
谜
谜是纽约为本公司的提议策划公众的集合医疗保健和药品数据集，它声称可以帮助保健与生命科学企业发现病人的安全，医生的处方，医疗保健访问模式，并使用消费机器学习。这些数据集视觉呈现给用户的数据的一个更好的视野。
该公司补充说，这些数据集提供有关信息临床试验，FDA的监管报告，医疗方面的支出，以及国民健康调查。该数据集来，在搜索门户网站和应用程序编程接口格式，可以与任何商业智能工具的工作，并与任何一家公司的内部数据库进行整合。
解决的办法之一是谜报价是谜药物警戒解决方案，这将有助于企业提高预测准确性和早期识别的药理药的危险，或者是所谓的信号检测。
谜索赔这个特定的数据集是由机器学习技术驱动的，帮助数据科学家和分析师识别药品的危险(不良事件)。该公司没有详细说明该应用程序如何工作，但我们可以推断，一旦与客户的内部工具和应用程序集成，用户将能够预测可能的不良事件，例如，当公司进行临床测试时。
用户可以向系统输入一种药物化合物的配方。然后，机器学习算法将在应用程序的数据库中搜索使用该药物组合的临床试验结果。该公司声称，该应用程序允许用户搜索、查看和访问关于不良事件的所有内部和公共数据。
谜没有一个演示视频可以显示出它的软件是如何工作的。
公司不提供在其网站上，但功能保健相关案例研究加州数据协作（CADC）如一那用他们的数据集的一个他们过去的客户。案例研究报告，加州面临着一个严重的干旱，并CADC与帮助该州的水区管理者使用数据来提高水的可靠性，效率和养护任务。
由于大约有国家的用水量没有标准的基准测试，CADC用于谜的大堂数据业务应用集中到一个平台上的水从数据411家公司供水2100万个加州人。根据该案例研究中，应用程序帮助CADC揭开居民如何通过人口，气候，地区，收入使用水信息等，还帮助他们计划如何节约和循环水，水是如何影响利率收入。
该公司没有透露其其他客户，但已经筹集了资金$ 129万资金从大都会人寿，交联资本，Capital One公司成长创投，两西格玛创投，格林资本管理，新企业协会，BB＆T，Comcast公司创业和第三个点风险投资公司。
普拉塔普Ranade是该工程副总裁在谜。他持有博士在应用物理学从哥伦比亚工程。在此之前,冉纳德担任联合创始人兼CEO在Kimono Labs是一家将非结构化web数据转换为应用程序编程接口的公司。
Tellius
Tellius是华盛顿，美国美国的一家公司提供基于搜索的商业智能和分析应用，他们声称可以帮助卫生保健企业预测再住院，简化医院运营，并提高患者的满意度和成果运用自然语言处理和机器学习。
Tellius索赔数据分析师可以在应用程序的界面上用简单的语言输入他们的问题。然后，应用程序的NLP将通过识别关键字并尝试理解问题来提取问题的含义。
例如，用户可能会问“上周佛罗里达州的新产品销售额与得克萨斯州相比如何?”或者“为什么上周加州的销量增加了?”
通过关键字的问题，将搜索信息：然后算法试图“理解。该公司解释说，结果可能会从各种来源，如其他应用程序，数据湖泊，数据仓库和电子表格等等绘制。机器学习技术然后识别在数据中的模式和以图表的形式提供响应给用户的结果的视觉角度。
据该公司介绍，医务人员也可以使用该应用程序，以提高病人服务，同时提高医院运营。例如，医务人员瞄准减少再住院率可以使用该应用程序搜索患者过去的入院记录、治疗处方、急诊室数据、医生记录和建议之间的相关性，以发现是否有一些患者被误诊。这可能会转化为更少的错误治疗，使病人和医院处于危险之中，同时巧妙地管理资源。
下面是一个短2- 分为视频演示了如何Tellius工作原理:
Tellius不提供任何的案例研究，也没有在其网站上列出的客户。它引起了$ 940万资金从Veraz的投资。
贾森大是首席数据科学家在Tellius，2018年八月才离开该公司尚未宣布他的继任者的网站。他持有博士在物理来自加州大学圣巴巴拉分校。该公司还没有宣布他的网站更换。
规范性分析
H2O.ai
H2O.ai是美国加州为本公司的提议一个同名开源的AI和数据科学平台，他们声称可以帮助卫生保健企业精简其业务，以提供更好的病人护理运用机器学习。
H2O.ai索赔该应用程序可以帮助医院和其他医疗服务提供者预测ICU转诊、医院获得性感染和医院再入院情况;提高临床工作流程;检测索赔欺诈;管理临床否认。
该软件背后的机器学习模型进行训练的门诊病历和临床试验结果的数据库上。然后，它使用与患者目前生命体征串联这个数据，以预测病人的病情会如何迅速恶化。该公司还声称，该系统能提供的原因代码，这解释为预测的基本原理。这有助于临床医生更好地了解病人和优先处理的条件。
在健康保险欺诈检测，H2O的机器学习模型可以用于自动化索赔评估和路由基于在它的数据库中发现欺诈模式。这一过程提醒球队潜在的欺诈性索赔，使他们进一步调查。该应用程序还可以帮助自动识别有效索赔，加快他们的认可和支付。
该系统使研究者了解AI的原因贴标要求的欺诈和简化了调查。有了这个系统，骗子可以潜在地捕捉支付索赔之前，降低纳税人成本，并帮助降低成本，为患者。
下面是一个短3- 分为视频演示了如何H2o.ai工作原理:
H20提供了一个视频案例研究号称有帮助改变医疗保健构建得到更深入的见解，以改善病人护理准确的预测模型。改变医疗是收入和付款周期管理，临床信息交流解决方案的提供商。
亚当·沙利文在改变医疗人工智能的高级总监，报告说，H2O.ai应用程序帮助该公司开发出识别错误支付的预测模型。沙利文解释说，医院的合同变更医疗辨别哪些患者索赔是二次审查最佳人选。
使用H2O.ai，更改医疗团队通过创建一个记分系统，其中的算法经过了患者病史，诊断，支付数据库，并将其与要求正在审查比较建立了一个预测模型。
该公司没有详细说明这一过程，但我们可以推断，机器学习算法会将审查中的索赔进行比较，并将其与存储在其数据库中的类似案例进行比较。然后，这些算法将识别索赔中是否存在错误部分，并预测索赔是否不正确。根据Sullivan的研究，该模型可以预测错误支付的概率为0.95%。
沙利文还报告说，H2O.ai用于创建一个预测模型，帮助其客户提高与患者接触。该预测模型被训练来预测谁的病人之中是在六至九个月内膝关节置换术的风险由病人的病历和处方，在其数据库中类似的情况比较。
如果模型显示患者病例有在规定期限内手术的几率为62％或更高，更改医疗保健将发送个性化的消息，以提醒患者，并推荐经济实惠的手术方法和治疗。
H2O.ai还列出了无敌舰队健康，凯撒永久，和美国健康公司，如一些他们过去的客户。
阿诺蜡烛是首席技术官在H20.ai。他持有在计算物理博士学位苏黎世联邦理工学院。在此之前,Candel担任SkyTree的高级技术人员。SkyTree是一家机器学习公司，后来被Infosys收购。
小贴士用于商业领袖医疗保健
大部分本报告所涵盖的公司的预测患者的治疗效果提供商业智能解决方案。
在以病人为中心的产品之外，Cloudera和H2O。人工智能提供针对医疗保健环境的行政应用程序，如识别索赔欺诈和错误的付款和索赔拒绝管理。这些应用程序帮助医院确定哪些索赔需要进行第二次审查，并发现欺诈索赔。
在这份报告涵盖的公司中，Cloudera的吸引力最强，因为它拥有众多企业客户和资金。该公司已融资10亿美元，并与埃森哲(Accenture)、微软(Microsoft)、德勤(Deloitte)、红帽(Red Hat)和塔塔咨询(Tata Consultancy)等全球公司建立了合作关系。
H2O.ai是本报告中阐明了它的应用提供了给出算法预测的基础原因代码中的唯一公司。这一点，在一般情况下，一个困难的问题，机器学习，被称为“黑盒子”，正如我们在一块形容，人工智能和机器学习的区别。
Tellius筹集的资金相对较少，只有940万美元。该公司成立于2015年，在商业智能市场上还是一个相对较新的公司。Tellius可能需要更多的时间来获得牵引力和吸引更多的客户。
尽管本报告所涉及的公司提供的软件似乎具有直观或用户友好的界面，但客户很可能需要其团队中的数据科学人才来管理软件并解释他们生成的分析。
标题图像:清除分类
