外部公开案例，非衍谷交付
Tampa General Hospital · 患者流 / 排班 / Sepsis管理
来源披露≠独立审计；编辑分析不等于客户确认。A级仅表示可定位到案例级来源，详细度不是成功评分。请先阅读下方字段分析边界；未公开细节不可当作已实施事实。
字段分析边界
- 业务问题依据
- 基于公开材料概括
- 解决方案
- 基于公开材料概括
- 技术工作流
- 公开信息与编辑推演混合
- FDE 行动（请结合分析边界）
- FDE视角编辑推演
- 结果（来源方披露）
- 厂商或客户披露
业务问题
医院数据分散，患者流、人员配置和临床运营决策需要实时统一视图。解决方案
用Foundry Ontology整合关键数据，做预测规划、人员配置与患者流优化；在飓风Ian期间24小时内扩展出患者/医护360°实时视图。技术工作流
- EHR/床位/人员/运营事件数据
- 统一患者与运营实体
- 实时状态 + 预测/规则/AI分析
- 按临床/运营优先级产生建议
- 医护/运营人员确认与执行
- 结果回写并持续监测
技术组件
- 医疗数据集成
- Ontology/统一实体
- 预测/规则/AI
- 权限审计
- 临床/运营工作台
人工责任与复核
临床和运营团队基于建议做最终安排。FDE 行动（请结合分析边界）
- 与临床/运营团队共同定义问题和安全边界
- 先解决可度量的运营瓶颈，避免让AI承担诊断责任
- 打通数据权限与实时更新
- 设计告警、建议和人工确认机制
- 用住院时长、床位周转等业务指标验收
结果（来源方披露）
后续公开资料称Sepsis患者住院时长降低约15%。核验说明
- 公开资料确认业务流程；技术组件为基于公开描述的架构抽象
- 来源可直接定位到该案例；数值仍属于来源方披露，不代表独立审计。
未公开 / 仍有缺口
- 业务背景
- 人机与治理
可迁移方法
- 医疗AI先从运营闭环切入通常更容易量化
- 临床责任必须留在人类专业人员
- 权限、审计、实时性和数据质量与模型同等重要
来源账本
- 标题
- Tampa General Hospital：患者流 / 排班 / Sepsis管理
- 发布方
- Palantir
- 来源类型
- 厂商官方客户材料
- 可定位性
- 案例级直接来源
- 结论披露方
- 厂商或客户公开披露
- 已记录独立核验
- 否
- 源库查阅日期
- 2026-09-19
补充来源
未补充记录证据说明
公开资料确认业务流程；技术组件为基于公开描述的架构抽象编辑摘要
这个案例的关键不是单点使用AI，而是把“患者流 / 排班 / Sepsis管理”重构成可执行、可验证、有人类责任边界的生产工作流。详细度六维评分（各 0–2）
- 业务背景
- 1
- 改造流程
- 2
- 技术工作流
- 2
- 人机与治理
- 0
- 量化结果
- 2
- 来源可定位性
- 2
原始案例 ID
palantir-005来源分类
Palantir企业 / 组织
Tampa General Hospital行业
医疗业务场景
患者流 / 排班 / Sepsis管理FDE 标记
典型Forward Deployed成熟度说明
生产级/规模化主来源
https://investors.palantir.com/news-details/2022/Tampa-General-Hospital-and-Palantir-Partner-to-Improve-Patient-Care-Through-Data-and-Analytics-Platform ↗一级行业
医疗与生命科学成熟度阶段
规模化FDE 关系
典型前向部署模式证据等级
A证据等级说明
A级｜案例级直接来源详细度评分（满分 12）
9详细度分组
standard详细度说明
标准案例｜可参考但仍有缺口编辑数据：guminghao-avi contributors，MIT。导入 2026-10-02；源版本 ef550123。版权与许可证 · 原案例库。以上保留来源与证据限定，不构成衍谷效果承诺。