随着支持物联网的设备的出现，医疗保健中的远程监控现已可用。几乎所有大型健康保险提供者都有一个相关的病例管理部门，临床护士和医生受雇于该部门审查护理成员（被保险人）接受的服务。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）是例行的病例管理项目，临床医生通过记事本和相关秤跟踪成员的体重和症状，将补充信息输入病例管理系统，并发出体重增加警报等异常情况。AI用于确定何时发出警报并帮助采取下一个最佳操作-例如会员/患者是否应该打电话给他们的医生，病例管理临床医生是否应该打电话给会员，会员是否应该去急诊室等。人工智能分析的物联网测量和跟踪提供即时数据评估，以便我们可以随着时间的推移识别医疗事件/诊断疾病并预防未来的事件/疾病。物联网和人工智能的物联网用例的一个例子是医疗保健支付者为高危妊娠安排连接的血压监测设备，前提是大约7%的孕妇会患上妊娠高血压，4-20%的婴儿会患上妊娠高血压。在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测这些“高风险”母亲的需求。致力于管理潜在孕产妇风险的UnitedHealthcare团队报告的轶事数据表明，在这些关联护理监测计划中，大约80-90%的患者使用和持续使用设备。管理医师会被告知产妇血压读数和任何异常情况，以便他们可以干预和管理病情（妊娠高血压）以预防与该疾病相关的并发症。目前，在这个项目中，一个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制定治疗方案。在此类物联网监控的未来迭代中，人工智能将分析这些成员生成的物联网数据。然后，AI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，我们可以监测所有孕妇，而不仅仅是高危人群。人工智能可以利用物联网生成的数据，学习识别数据中的哪些因素或趋势表明未来患高血压相关疾病的风险，然后为全体孕妇提供疾病预防干预措施。在这个项目中保持传统的临床严谨性意味着对这一人群进行广泛监测的好处将超过对潜在风险的任何评估，例如假阳性结果和不必要的干预。然而，问题和应用可能性仍有待发现和解决。要真正理解这种简单的链接监控干预的重要性，我们必须更多地了解孕产妇健康领域。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例增加到2014年的912例[[2]]，医疗保健成本和利用项目(HCUP)估计，2012年美国和管理高血压/先兆子痫/与相关的短期成本子痫为64亿美元。在美国，作为妊娠期高血压并发症的早产相关的新生儿费用为每年262亿美元。虽然妊娠高血压及其相关疾病本身并不是导致孕产妇和儿童健康状况不佳和医疗费用增加的原因，但它们是重要因素。人们会认为接受常规推荐的产前检查的母亲不会有任何问题。然而，据估计，多达三分之一的女性遗漏了妊娠高血压。漏诊是可能的。在她的妊娠晚期（三个孕期）期间，她的医生每周都会检查她的血压和其他生命体征。化验收集发生在诊所环境中。诊所环境并不能反映女性在现实生活中所经历的压力源和情况。降低静息时的血压读数，改变姿势（从站到坐，从坐到躺），并减轻压力。通常，在召回血压评估期间，女性会静坐15-20分钟或更长时间。在这种情况下，血压读数可能人为偏低或“正常”。随着物联网的到来，我们现在可以在日常生活中对这些高危患者进行实时监控，及时进行干预和治疗。AI将通过不断分析和指导最佳实践护理或管理的最佳后续步骤来加强这一过程，从而预防母婴并发症和控制疾病，并让女性处于疾病管理中而不是发展需要高风险并发症和昂贵的护理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新生儿重症监护病房入院。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以确保患者的安全和健康。AI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，减少住院率，缩短住院时间，并防止再次入院和使用急诊室。通过AI分析和与供应商的合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，并为我们的医疗保健系统节省大量相关成本。将相同的方法应用于不同年龄的不同人群将改善更多人的健康。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建议和来自其提供者或临床支持团队的近乎实时的管理。就我们之前讨论的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中更健康的一端。我们可以通过她的连接设备继续参与和了解患者。如果她开始恢复体重，数据表明活动减少，仪表读数通常会增加，AI会指导下一个最佳行动方案。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微调她的护理，以实时方式直接响应个人情况。同样，物联网和人工智能可以应用于健康患者，使他们进入健康连续体模型中的健康阶段。设备可以设置为警报或向患者、提供者和保险公司临床支持提供异常结果通知。这样，就可以在问题恶化之前，根据个人的需要/关注进行必要的干预。例如，如果一位健康患者有规律的血压升高趋势，我们可以接近该患者并确定是否发生高血压。使用人工智能有可能通过收集数据点、评估最佳治疗途径以及在实际疾病（高血压）发展之前监测反应来优化结果。对于老年人，物联网和人工智能正被用来帮助他们在与世隔绝的情况下过上更健康、更长寿的生活。通过持续跟踪他们在家中的健康和安全风险，例如跌倒风险，我们可以识别他们健康方面的任何干扰或变化，并提醒家人、提供者和护理管理团队。围绕这种监控和人工智能的结合创建了几个试点项目，初步结果显示在家庭健康方面取得了成功。此外，当检测到异常或警报响起时，家庭护理临床医生会被派往消费者家中评估情况并对设备进行调整。一种前所未有的医疗保健形式，技术与临床医生携手合作。我们检查人工智能和物联网监测，以从个体患者、提供者和保险公司的角度改善健康结果。人工智能和监测可以改善健康的另一个领域是对住院患者的自主监测。住院很危险。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（受伤或与医院/医疗相关的伤害）的风险。患者住院时间越长，发生不良事件的风险就越大。据估计，每10名患者中就有1名会发生不良事件。最重要的是，这些事件中有44%被认为是可以预防的。这些事件中有7.4%导致死亡。今天的公司将连接监控与人工智能结合使用。人工智能使用大量实时数据来预测和推断行为，以防止跌倒/受伤、检测和预防感染、评估协议或流程故障等，最终目标是提高患者安全并消除与医院相关的死亡事故。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，人工智能的发展与连接设备和监控相结合，使我们对医疗保健未来的设想发生了巨大的范式转变。我们不再只是尽力而为，回应“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、个性化、主动的医疗保健模式。健康决定因素与影响或决定健康的大数据之间存在着复杂的关系。医疗保健、遗传学、行为、社会经济环境、物理影响和环境都起着重要作用。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，或者哪些决定因素相互影响，是复杂的，需要更多的研究。图21说明了健康的众多决定因素中的一些。人工智能提供了一个机会来阐明一年中每天都饱和的大量数据。图21决定健康的几个因素随着时间的推移，从三个领域的无数来源收集的数据，一些是定量的，一些是定性的，即大数据。让人们更健康的机会需要了解这场数据海啸。仅仅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实现个人最佳健康的能力。只有借助人工智能，我们才能看到模式并找到因果关系路径，以了解哪些决定因素相互作用以及它们如何影响健康结果。
