Ujemanje vzorcev in napovedovanje nujnih potreb v bolnišnicah je težka naloga kvalificiranega medicinskega osebja, ne pa za AI in strojno učenje. Medicinsko osebje nima razkošja, da bi vsakega svojega pacienta stalno opazovalo. Kljub temu, da v očitnih okoliščinah izredno dobro prepoznajo takojšnje potrebe pacientov, medicinske sestre in zdravstveno osebje nimajo zmožnosti zaznavanja prihodnosti iz zapletenega niza pacientovih simptomov, ki se kažejo v razumnem obdobju. Strojno učenje ima razkošje ne le opazovanja in analiziranja podatkov o bolnikih 24/7, temveč tudi kombiniranja informacij, zbranih iz več virov, tj zgodovinskih zapisov, dnevnih ocen medicinskega osebja in meritev vitalnih teles, kot so srčni utrip, poraba kisika v realnem času. in krvni tlak. Uporaba AI pri ocenjevanju in napovedovanju skorajšnjih srčnih napadov, padcev, kapi, sepse in zapletov trenutno poteka po vsem svetu.
Primer v resničnem svetu je, kako bolnišnica El Camino povezuje podatke EHR, alarm za posteljo in medicinsko sestro v analitiko, da prepozna bolnike z visokim tveganjem padcev. Bolnica El Camino je znižala padce, kar je velik strošek za bolnišnice, za 39%.
Metodologije strojnega učenja, ki jih uporablja El Camino, so vrh ledene gore, vendar s pomočjo vpogledov v akcijo ali analitike na recept pomembno predstavljajo prihodnost zdravstva. Uporabljajo majhno podmnožico možnih informacij in fizičnih dejanj, ki jih je opravil pacient, na primer izhod iz postelje in pritiskanje gumba za pomoč v povezavi z zdravstveno kartoteko - občasno merjenje bolnišničnega osebja. Bolnišnični stroji trenutno ne hranijo pomembnih podatkov s srčnih monitorjev, dihalnih monitorjev, monitorjev nasičenosti s kisikom, EKG-ji in kamerami v naprave za shranjevanje velikih podatkov z identifikacijo dogodkov.