Το πρόβλημα

Οι ασθενείς που αποτυγχάνουν να εμφανιστούν στα προγραμματισμένα ραντεβού ή ακυρώνουν την τελευταία στιγμή -δεν δίνουν στο κέντρο υγείας την ευκαιρία να καλύψει τη θέση του ραντεβού, με αποτέλεσμα, τόσο την απώλεια χρόνου και χρημάτων για το κέντρο υγείας, όσο και την διατάραξη της ορθής και έγκαιρης φροντίδας των υπόλοιπων ασθενών. Υπάρχουν πολλοί λόγοι που οι ασθενείς χάνουν τα ραντεβού τους. Μπορεί να το έχουν ξεχάσει, να έχουν προβλήματα με τη μεταφορά τους λόγω καιρικών φαινομένων ή να μην μπορούν να φύγουν εγκαίρως από την εργασία τους. Κρίνεται λοιπόν ως μείζονος σημασίας, τόσο οι ιδιώτες γιατροί, όσο και οι μονάδες υγειονομικής περίθαλψης, να μπορούν να προβλέπουν τις μη εμφανίσεις των ασθενών τους, ώστε να μπορούν εγκαίρως να αντικαθιστούν το ακυρωμένο ραντεβού και να μην σημειώνεται απώλεια χρόνου και χρήματος. Για παράδειγμα, ένας ιδιώτης γιατρός ενδιαφέρεται να διερευνήσει το προφίλ των ασθενών που έχουν μεγαλύτερη πιθανότητα να ακυρώσουν ένα ραντεβού καθώς και το αναμενόμενο ποσοστό ακυρωσιμότητας.

Το ζητούμενο

Υπόδειξη του προφίλ των ασθενών που τείνουν να ακυρώνουν τα ραντεβού με τον γιατρό τους.

Η λύση

Με τη χρήση μοντέλων μηχανικής μάθησης και τεχνητής νοημοσύνης που θα βασίζονται σε ιστορικά καταγεγραμμένα και επιβεβαιωμένα δεδομένα μη εμφάνισης στο ραντεβού, θα εντοπιστεί το προφίλ των ασθενών που τείνουν να ακυρώνουν τα ραντεβού με τον γιατρό τους, και βάσει αυτών θα είναι ευκολότερο να αναγνωριστεί η μη εμφάνιση ενός ασθενή μελλοντικά.

Το όφελος

Τόσο οι ιδιώτες ιατροί, όσο και οι μονάδες υγειονομικής περίθαλψης θα μπορούν να αναγνωρίζουν τους ασθενείς εκείνους που μπορεί να ακυρώσουν το ραντεβού τους, και ως αποτέλεσμα να κλείνουν εγκαίρως νέο ραντεβού, με στόχο να μην σημειώνεται απώλεια χρόνου και χρήματος.