← Kaikki asiakastarinat
TerveydenhuoltoKoneoppiminen
28% alempi RMSE vs baseline

Epidemia-kysynnän ennustaminen alueellisessa terveydenhuollossa

Ongelma

Alueelliselta terveydenhuoltoyksiköltä puuttui luotettava tapausennuste ICU-kapasiteetin, happihuoltoon ja toimenpiteiden suunnitteluun. Valmiit globaalit mallit eivät yleistyneet paikalliseen dataan.

Lähestymistapa

Johdettiin ML-rataa 15+ henkilön globaalissa tiimissä. XGBoost-aikasarjamallit julkisterveysdatan feature engineeringillä ja interaktiivinen dashboard ei-teknisille sidosryhmille.

Tulos

Alueelliset terveyssuunnittelijat ennustelevat ICU-kysyntää 4 viikkoa etukäteen 28 % tarkemmin kuin aiempi menetelmä.

  • 28 % tarkemmat ennusteet kuin aiempi menetelmä
  • Päätökset datain perustuvan ICU-kapasiteetin suunnittelusta 4 viikkoa etukäteen
  • Ei-tekniset henkilöt tutkivat ennusteita pyytämättä tietotiimiltä
  • Happihuolto ja henkilöstö suunnitellaan ennalta, ei reaktiivisesti
4 viikkoa
Ennustehorisontti
+28 %
Tarkkuuden parannus
40+
Dashboard-käyttäjät
15+
Tiimin koko
TerveydenhuoltoXGBoostAikasarjaJulkisterveys