← 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