不能确定地看到未来，但技术的一个分支在帮助机构和行业根据实证研究预测参与者的未来行为及其决策结果方面发挥着主导作用。这种相对较新的技术分支——预测分析（蒙彼利埃大学医疗健康管理博士）——已经在营销、制造和金融服务行业稳步取得进展。它现在在医疗保健领域也越来越受欢迎。

尽管围绕其对医疗保健的伦理适用性的争论仍然存在——首先是围绕数据隐私的争论——普遍出现的共识是，拥有正确的技能并掌握在合适的人手中，PA 有能力有效应对医疗保健生态系统中的挑战仅靠人类智慧无法做到的方式。
让我们来看看最近的几个例子。

PA的力量
澳大利亚昆士兰州绍斯波特的黄金海岸健康医院通过应用预测模型显着改善了患者的治疗效果和医院员工的工作效率，该模型能够在紧急入院发生之前以 93% 的准确率进行预测。通过分析导致患者进入急诊室的入院记录和各种情况的详细信息，医院工作人员能够知道一年中的任何一天将有多少患者进入，他们将进入什么领域并有条不紊地计划程序现在，出于所有目的，这些都是可选的，而不是紧急的。

同样，加利福尼亚州的 El Camino 医院通过与一家科技公司合作，在其高患者跌倒率方面取得了巨大的转变。Qventus 公司将患者 EHR 与病床警报和护士呼叫灯的使用联系起来，以推导出一种算法，该算法能够实时提醒护士关于他们护理的高危患者以及他们最有可能受到伤害的确切时间. 结果是跌倒次数减少了 39%，改善了患者的健康状况，并显着提高了医院的声誉。

事实上，不仅仅是医院对分析的潜力充满活力。科技公司也意识到在其屋檐下开发的一些最新技术如何与医疗保健结果直接相关。在今年早些时候发表的一篇论文中，与谷歌相关的研究人员展示了深度学习算法如何能够以近 90% 的准确率正确识别转移的癌症组织，而人类病理学家的准确率仅为 73%。

利用机器学习和人类学习之间的协作

尽管关于机器智能进入像医疗这样敏感的领域的任何讨论仍然很棘手，但我相信整个行业的前进道路将需要与机器学习、深度学习算法和人工智力。

这是因为“仅仅”人的能力和专业知识将无法跟上各种患者群体对医疗保健生态系统的巨大需求。从更准确的诊断、更有效的预防到针对老年人的个性化护理——患者将坚持按照他们的条件满足他们的护理需求，而该行业预计将继续应对医生短缺、医疗成本上升、老龄化人口，以及不断扩大的要求高、自我意识强、期望少花钱多的患者群体。

临床结果的改善
事实上，PA 将帮助引入某些医疗保健流程的机器驱动、基于算法的智能将为整个医疗保健系统带来好处。它将有助于将提供者从耗时的管理任务中解放出来，从而提高提供者的入住率。它将基于更全面和准确的分析来更准确地预测患者结果，减少和防止再次入院，并帮助正确检测和防止欺诈性和昂贵的保险索赔。

它还将做的是实现更有效的人口健康管理。通过对目前被认为是健康的队列进行精确映射，PA 将能够根据他们目前的习惯和家族史，预测如果他们不听从预防保健建议，他们在未来几十年可能变得脆弱的确切情况. PA 也很可能会积极为每一位经过筛查的患者创造高度个性化的药物，进一步提高预防他们未来生病的潜力。

然而，与所有仍在发展的新技术一样，PA 也将带来一些挑战。其中最主要的是医疗保健从业者自己的领导认同。除非使用该技术的人相信其安全性、有效性和相关性，否则代表 PA 的任何活动都不会奏效。其次是目前缺乏正确的基础设施和技能来提供 PA 的正确应用以及准确解释技术模型和处方所需的专业知识。同样具有挑战性的将是解决关于人类在不依赖任何技术的情况下准确诊断、治疗和治愈患者的能力似乎被边缘化的担忧。

但很清楚的是，随着越来越多的患者见证了 PA 的作用，他们的健康结果得到了显着改善，这将使整个医疗保健行业取得更大的进展。这势必会推动技能、对正确基础设施的投资以及全行业对 PA 采用的支持。