实现主动或预测性 的一种方法是拥有一个基于 的闭环系统，其中 模型训练在后台进行。然后，系统将这些模型应用于实时数据。系统监控预测质量，如果预测质量下降，则会触发自动闭环，重新训练数据以生成新模型。然后，系统会自动将新版本放回流式预测管道中。
在医疗保健行业，主动的实时 方法可以在多个领域产生影响：
索赔多付：在报销之前可以阻止疑似多付的索赔并送去审核，从而节省付款后追偿的努力和成本。
基于价值的护理中的归因：人工智能可用于检 以色列手机号码数据 测实时错误归因，以防止任何潜在的护理问题或财务损失。
提供商目录准确性：这可以避免患者意外计费，节省 的付款人罚款，并改善会员体验。
临床数据准确性：这可以提高 评级、提高风险调整分数，并提供更好、更协调的患者护理。
年将是医疗保健数据质量问题成为焦点的一年。联邦政府正在更加认真地看待供应商的数据质量（ 国家健康目录提议，并且越来越明显的是，由于数据质量差，基于机器学习的医疗保健干预措施无法在现实世界中实现其承诺。
如果医疗保健提供者和健康计划继续依赖脏数据，系统将无法实现可能的好处和前景。基于 的数据质量管理可以改进脏医疗数据并放大其功能，改善会员体验并取得成果。