对于熟练的医务人员而言，模式匹配和预测医院的迫切需求是一项艰巨的任务，但对于AI和机器学习而言则并非如此。 医务人员无法全时观察每个患者。 尽管在明显的情况下非常擅长识别患者的即时需求，但是护士和医务人员不具备从合理时期内表现出的一系列复杂患者症状中识别未来的能力。 机器学习不仅可以24/7全天候地观察和分析患者数据，而且还可以结合从多个来源收集的信息，例如历史记录，医护人员的日常评估以及对生命率的实时测量，例如心率，氧气使用量和血压。 目前，人工智能正在用于评估和预测即将来临的心脏病发作，跌倒，中风，败血症和并发症。
一个真实的例子是El Camino医院如何将EHR，床警报和护士呼叫灯数据与分析数据联系起来，以识别高跌倒风险的患者。 埃尔卡米诺医院减少了39％的跌倒，这是医院的主要费用。
El Camino使用的机器学习方法是冰山一角，但通过以行动为中心的见解或处方分析，可以显着地代表医疗保健的未来。 他们正在使用一小部分可用的潜在信息以及患者采取的身体动作，例如下床，按下“帮助”按钮以及健康记录，这是医院工作人员的定期测量。 医院的机器目前没有将来自心脏监测器，呼吸监测器，血氧饱和度监测器，ECG和相机的大量数据提供给具有事件识别功能的大数据存储设备。
