随着支持物联网的设备的出现，医疗保健领域的远程监护现已可用。几乎所有大型健康保险提供商都有一个相关的病例管理部门，其中聘请临床护士和医生来审查成员(被保险人)所接受的护理。随着技术的进步，这些病例管理部门现在经常使用联网设备来帮助监测患有慢性病的成员的健康状况。例如，充血性心力衰竭(CHF)是常规的病例管理项目，临床医生通过记事本和相关的量表跟踪成员的体重和症状，将补充信息输入病例管理系统，并在出现体重增加等异常时发出警报。AI用于确定警报何时发出并帮助下一步采取最佳行动——例如，会员/患者是否应该打电话给他们的医生，病例管理的临床医生是否应该给会员打电话，会员是否应该去急诊室等等。人工智能分析的物联网测量和跟踪提供对数据的即时评估，以便随着时间的推移我们可以识别医疗事件/诊断疾病并预防未来的事件/疾病。
物联网与人工智能
物联网应用案例中的一个例子是，医疗付款人为高危妊娠安排连网的血压监测设备，这一前提是约7%的孕妇会发生妊娠高血压，其中4-20%的婴儿最终进入新生儿重症监护病房(NICU)。与妊娠并发症相关的医疗费用增加，包括妊娠高血压及其相关疾病、先兆子痫和子痫，增加了医疗付款人监控这些“高危”母亲的需求。联合医疗保健公司一个致力于管理孕产妇潜在风险的团队的坊间数据报告表明，在这些联网护理监测项目中，设备使用和持续使用的患者约80-90%。产妇血压读数和任何异常情况都会告知管理医生，以便他们能够干预和管理病情(妊娠高血压)，从而预防与该疾病相关的并发症。
目前，在该项目中由人监控物联网生成的数据。提供者在此模型中进行实际诊断并指定治疗方案。在此类物联网监控的未来迭代中，AI将分析这些成员生成的物联网数据。AI随后可以诊断甚至预测妊娠高血压、先兆子痫和子痫的发展，并通过AI指导的干预措施及时进行最佳实践治疗或预防疾病。此外，我们可以监测所有怀孕女性，而不仅仅是高危人群。AI可以利用物联网生成的数据，并学会识别数据中哪些因素或趋势表明未来有发生高血压相关疾病的风险，然后为整个孕妇群体提供疾病预防干预措施。在此项目中保持传统的临床严谨性意味着包括广泛监测对这一人群的好处将超过任何潜在风险的评估，如假阳性结果和不必要的干预。但其中的问题和应用的可能性仍有待确定和解决。
为了真正理解这种简单的关联监测干预的重要性，我们必须对产妇健康空间有更多的了解。2000年至2014年间，美国孕产妇死亡率上升了26.6%。同样，妊娠期高血压疾病也从1993年的529例上升到2014年的912例[[2]]，医疗成本和利用项目(HCUP)估计，2012年美国与管理孕期高血压/先兆子痫/子痫相关的短期成本为64亿美元。在美国，作为孕期高血压并发症的早产相关的新生儿成本为每年262亿美元。虽然妊娠高血压及其相关疾病本身并不是导致母婴健康恶化和医疗费用上升的原因，但它们是重要的因素。
有人会认为，接受常规推荐产前护理的母亲不会有问题。然而，估计多达三分之一的妇女会漏诊妊娠高血压。漏诊是可能的。在怀孕的第三个孕期(三个月为一个孕期)，在这期间，她的医生每周都会给她看病，她的血压和其他生命体征都会得到检测。检测值收集发生在诊所环境中。诊所的环境并不能反映女性真实生活中的压力源和情况。休息时血压读数降低，姿势改变(从站立到坐姿，从坐姿到躺姿)，压力降低。通常情况下女性在召回进行血压评估进，需要静坐15-20分钟或更长时间。这种情况血压读数可能会虚低或“正常”。
随着物联网的出现，我们现在可以在现日常生活中实时监测这些高危患者，以提供及时的干预和治疗。人工智能将通过持续分析和指导最佳实践护理或管理的最佳下一步来增强这一过程，从而预防孕产妇/胎儿并发症和控制疾病，并使女性保持在疾病管理阶段，而不是发展为需要高风险的并发症以及昂贵的护理，例如剖腹产、住院治疗等。与此相关的是不需要早产的婴儿的成本节约和健康促进以及与妊娠高血压相关的NICU住院。
从医疗保健的角度来看，物联网和人工智能支持的实时监控和实时管理可确保患者的安全和健康。人工智能解决方案可以使提供者能够提供及时和最佳的护理，增加患者参与度，减少住院，减少住院时间，并防止再入院和急诊科的使用。通过AI分析和与提供商的协作对连接的血压读数进行简单干预，可以创建个性化的医疗保健解决方案，为我们的医疗保健系统节省大量相关成本。
将同样的方法应用于不同年龄段的各类人群，会促进更多人健康。例如，健身手环、血压监测器、心率监测器、血糖仪和其他设备为患者提供个性化的建议，并从其提供者或临床支持团队获得近乎实时的管理。就我们之前讨论的那个中年糖尿病女性而言，我们提到她已经转向了医疗保健连续体的更健康的一端。我们可以通过她的联网设备继续保持参与并了解患者的情况。如果她开始恢复体重，数据表明活动减少，血糖仪读数通常会增加，人工智能会引导下一步采取最佳行动。这些可能包括通过保险公司通知她的临床医生或她的临床支持团队，建议他们进行干预以评估情况并对她的护理进行微调，从而以实时方式直接响应个人情况。
类似地，物联网和人工智能可应用于健康患者，以使他们在健康连续体模型中处于健康阶段。设备可设置为报警或向患者、提供者和保险公司的临床支持提供异常结果通知。通过这种方式，可以在问题恶化之前，根据个人的需要/担忧进行必要的干预。例如，如果一名健康患者出现血压升高的常规趋势，我们可以接触该患者并确定是否有高血压发生。在实际疾病(高血压)发病之前，通过收集数据点、评估最佳治疗途径和监测反应，使用人工智能有可能优化结果。
对于老年人来说，物联网和人工智能正被用来帮助他们在孤独环境中更健康、更长寿地生活。通过持续跟踪他们在家中的健康状况和安全风险，如跌倒风险，我们可以识别他们健康状况中的任何干扰或变化，并提醒家庭成员、提供者和护理管理团队。已经创建了几个围绕这种监测与人工智能相结合的试点项目，初步结果显示在家庭健康方面取得了成功。此外，当发现异常或警报响起时，家庭护理临床医生被派往消费者家里，以评估出现的情况并对设备进行调整。与临床医生携手合作的技术前所未有的医疗保健形式。
我们从个体患者、提供者和保险公司的角度研究了人工智能和物联网监控以改善健康状况。人工智能和监测改善健康的另一个领域是对住院病人的自主监测。住院是危险的。住院期间发生药物不良反应的风险为5.5%，感染风险为18%，发生溃疡的风险为3%。[[3]]不包括跌倒、受伤或医源性事件(与医院/医疗护理相关的受伤或伤害)的风险。患者住院时间越长，发生不良事件的风险越大。据估计，每10名患者中就有1名出现不良事件。除此之外，人们认为这些事件中有44%是可以预防的。这些事件中有7.4%导致死亡。
今天的公司使用与人工智能相结合的连接监控。AI使用大量实时数据预测和推断行为，以防止跌倒/受伤、检测和预防感染、评估协议或流程失误等，最终目标是提高患者安全并消除与住院相关的死亡事故。
对于个体临床医生、保险公司、医院系统，尤其是个体患者而言，人工智能与互联设备和监控相结合的发展导致我们对医疗保健未来的设想发生了巨大的范式转变。我们不再只是尽我们所能，被动应付“病人在哪里”。我们现在有能力从被动的医疗保健系统转变为专注的、个性化的、主动的医疗保健模式。
健康决定因素和大数据
影响或决定健康的若干因素之间存在着复杂的关系。医疗、遗传学、行为、社会经济环境、身体影响和环境都扮演着重要角色。了解这些健康决定因素中的一个或多个对个人健康结果的影响，或哪些决定因素相互影响，都是复杂的，需要更多的研究。
图21说明了许多健康决定因素中的一些。人工智能提供了一个机会，让人们了解每年每天都会出现饱和的巨大数据。
图21决定健康的若干因素
随着时间的推移收集的数据，一些是定量的，一些是定性的，来自三个领域的无数来源，即大数据。让人们更健康的机会需要理解这场数据海啸。
单纯关注医学测试结果而不是健康的许多决定因素限制了我们为个人获得最佳健康的能力。只有通过人工智能，我们才能看到模式并找到因果路径，以了解哪些决定因素相互影响，以及它们对健康结果的影响。
