AI 與世界的難題 · 醫學與藥物探索 · arXiv · 2026-10-23
機器學習引導的主動式滿載容量通訊協定能否緩解急診室壅塞？一項基於模擬的評估
原標題: Do Machine Learning-Guided Proactive Full Capacity Protocols Mitigate Emergency Department Overcrowding? A Simulation-Based Evaluation
本研究測試機器學習是否能在急診室擁擠形成之前，而非在超過閾值之後，啟動全載能力協定。在以美國某大型醫院校準的模擬中，一個可提前六小時預測候診室擁擠的模型驅動了主動啟動，並與被動啟動在 365 天、10 次重複下進行比較。主動啟動顯著縮短了高於擁擠閾值的時間與協定持續時間，並降低了擁擠的變異性與極端壅塞，而住院時間與等候時間的差異則未達統計顯著。