A mesterséges intelligencia fogja segíteni a magyar mentőket, előre tudhatják, hova kell majd menni

Az Országos Mentőszolgálat a Dyntell Magyarországgal működik együtt, egy különleges projekt keretében: egy olyan rendszert használnak, ami az életmentésben is segíti majd őket.

Új távlatokat nyit a magyarországi mentésszervezésben a Dyntell Magyarország és az Országos Mentőszolgálat (OMSZ) közös projektje, amely öntanuló mesterséges intelligencia alkalmazásával egyre pontosabb előrejelzést nyújt a mentőkapacitásra vonatkozó igényekre – hangzott el a két fél csütörtöki sajtótájékoztatóján.

A Dyntell komplex adatelemző rendszere a betegszállítási feladatokat négy hétre előre jelzi. A várhatóan a július végén debütáló (továbbfejlesztett) verzió viszont az életmentési feladatokra is havi és heti előrejelzéseket készít majd. A témában kiadott közlemény szerint a technológia elsődleges feladata a kapacitásoptimalizálás, illetve a hatékonyabb életmentés biztosítása. A modell lényege, hogy a beépített mesterséges intelligencia (MI) segítségével a rendelkezésre álló múltbeli, valamint külső adatok alapján

képes előrejelzést adni arról, hogy egy adott időszakban hogyan alakul a mentőautókra vonatkozó igény.

„Az Országos Mentőszolgálatnál is egyre nagyobb teret nyer a digitalizáció, a mentésirányítás fejlesztésében fontos szerep juthat a mesterséges intelligenciának” – mondta dr. Csató Gábor, az Országos Mentőszolgálat főigazgatója. Szerinte a Dyntell-lel közös munka már eddig is hasznukra volt, hiszen a megoldás előre jelzi a betegszállítási igényeket, amelyeket a napi kapacitástervezésnél tudnak felhasználni. „Az előttünk álló fejlesztés célja, hogy az erőforrásokat, azaz a mentőegységeket a lehető leggyorsabban a helyszínre küldjük, illetve felkészüljünk arra, hogy mikor, hol és milyen esemény várható.”

Felkészülni a váratlanra

A mesterségesintelligencia-alapú fejlesztés és az adatgyűjtés elsődleges célja, hogy a prediktív rendszer az életmentés területén is képes legyen előre jelezni a kapacitásigények változását. A folyamat összetett, hiszen számos külső és belső, függő és független változót kell modellezni, amelyekhez segítséget ad, hogy a jövőben a BKK-tól kapott adatokat is bevonják az elemzésbe. Több hónapos előkészítés után, július végétől a Dyntell már nemcsak a betegszállításra, hanem az életmentő feladatokra is küld havi és heti előrejelzéseket.

„Az előrejelző értesítéseket e-mailben küldjük az ország összes mentőállomására, így a Mentőszolgálat hatékonyabban tudja megtervezni a járművek és a mentők rendelkezésre állását” – mondta Salga Péter, a Dyntell Magyarország Kft. ügyvezető igazgatója.

Csató Gábor történelmi pillanatnak nevezte, hogy a Dyntell prediktív elemzéseit az ország minden mentőállomásán fel tudják használni a feladatok tervezéséhez. „Olyan valós időben folyamatosan futó programot szeretnénk létrehozni, amely a napi mentésirányítási folyamatban segíti a mentésvezetőket. Például már előre jelzi, hogy péntek délután a Blaha Lujza téren 85 százalékos valószínűséggel várható P1 prioritású feladat. Így már akkor a közelben lehetünk, amikor még be sem következett a baj. Az eddigi tapasztalataink nagyon kedvezők” – fogalmazott Csató.

A Dyntell díjmentesen biztosítja a teljes rendszert az OMSZ-nek, illetve a Mentőszolgálat igényei alapján folyamatosan fejleszti és testre szabja azt. Az Országos Mentőszolgálat biztosítja a Dyntell számára az előrejelzésekhez elengedhetetlen adatokat, amelyeket jelenleg is egy strukturált adattárházban tárolnak. Az OMSZ saját üzleti intelligencia (BI) programjait napi szinten, szükség esetén valós időben használja, elemzi.

Mindenre figyelnek

A Dyntell Deep Prediction rendszere több különböző mesterséges intelligencia algoritmust használ az adatok elemzésére. Az algoritmusok „megvitatják” a kapott értékeket, és konszenzus esetén a lehető legjobb előrejelzést adják a felhasználóknak. Emellett a Dyntell a publikusan elérhető adatbázisokból óriási, valós idejű adathalmazt épít (TimeNet.cloud), ahol az egyes adatok közötti korrelációt vizsgálja. A közlemény szerint a korreláló idősorok nagyban segítik a predikciók hatékonyságát, még pontosabb előrejelzések készítését teszik lehetővé.

Forrás: HVG