基于智能規則的醫院檢查預約平臺應用研究*

袁駿毅 潘常青 陳 璨

(上海市胸科醫院/上海交通大學附屬胸科醫院 上海 200030)

1 引言

臨床醫技檢查是醫生診斷病情的重要輔助手段，檢查效率直接影響到醫療服務質量。檢查流程中預約是關鍵環節，合理預約能夠減少檢查等侯時間，提升設備使用率和患者滿意度[1]。醫院各類檢查項目眾多，往往對應不同信息系統，容易出現同時段預約不同項目的現象，給醫療部門帶來管理壓力[2]。近年來國內外醫療機構紛紛設立公共預約平臺來實現檢查科室的統一管理[3]。Bakker等指出集中患者排程可以避免異構信息系統重復開發，有利于服務資源智能安排和統籌利用[4]。上海市胸科醫院是一家以治療心胸類疾病為主的三甲專科醫院，原有的多套檢查系統都自帶預約模塊，界面各異且數據未交互，推進集中式預約工作存在困難[5]。因此醫院實施基于智能規則的檢查預約平臺建設，優化患者預約流程并提高效率，實現“多點預約、科學統籌”。選取對照組和觀察組進行研究分析，對比平臺建設前后的數據驗證實施效果，為醫療機構加強檢查預約管理提供參考依據。

2 總體架構

平臺以醫院服務總線(Hospital Service Bus，HSB)為關鍵路由，內嵌核心智能規則資源分配邏輯，實現與前臺預約應用無縫對接[6]，提供統一預約確認、預約取消和統計分析等功能。門診患者通過手機或自助終端預約，也可在診間或便民服務臺預約；住院患者辦理入院手續時，手術患者在入院服務中心快速預約，其他患者則在病房由護士預約。平臺收到以上不同應用場景預約請求時，鏈接至電子病歷系統(Electronic Medical Records，EMR)，醫院信息系統(Hospital Information System，HIS)，校驗檢查電子申請單是否有效；若已計費則按檢查類型進行預約資源的智能計算，將分配結果和預約告知返回前端；同時預約結果發送至檢查科室使用的放射報告系統(Radiology Information System，RIS)，超聲，心電圖，核醫學系統等。后臺管理采用.Net和IIS7.0的瀏覽器/服務器(Browser/Server, B/S)框架，管理請求隊列和服務日志，實現與外部檢查系統的有效通信。平臺總體架構，見圖1。

圖1 平臺總體架構

3 智能規則庫

有些檢查項目對患者生理上有前置條件,項目彼此間存在關聯性[7],而從醫院管理角度又有些特定要求。需要充分考慮這些因素平臺才能有效進行預約安排，避免出現資源浪費的情況。經過與醫務部門前期充分討論，平臺從時限、時段、關聯、排斥和順序5方面規則出發進行資源智能分配。檢查智能規則，見表1。由于篇幅原因，在此列舉部分規則內容。

表1 檢查預約智能規則

4 模型構建和計算

4.1 目標函數

本研究中預約模型總體為時序優先分配模型，即智能規則下的預約資源線性規劃方案[8]，其中存在著非線性的受擾動影響(規則R1：術前患者的強制安排)。因此針對規劃方案x的目標函數表達式為：

C(x)=caAi+cbBi+coOi(i=1,2,...,n)

(1)

式1中Ai為單個預約周期內患者等候時間，Bi為周期內資源空閑時間，Oi為加號產生的加班時間，ca、cb、co分別為單位時間的患者等候、資源空閑以及技師加班的成本系數，i代表不同的檢查類型。為簡化但不失同質性，假定C(x)形成的產能共同滿足需求D，每項檢查類型權重均為1。基于智能規則的約束條件可得規則R1在決策樹中屬于分支終節點。因此仿真算法的設計原則有兩項：一是無條件滿足規則R1，即Min{Oi}=0；二是在規則R2-R5下進行按序分配。由此仿真問題的適度函數表達式為：

(2)

式2中Di代表單個預約周期內患者的需求量，Mi代表周期內術前患者的需求量，Ui代表周期內檢查科室的能力供給量。Fitness越小表示利用率越高，反之則代表效果并未達最優[9]。

4.2 資源池計算

將醫院的既往數據作為基本算例進行仿真計算，在檢查科室的能力供給量Ui短期內恒定的情況下，求解最優解時的術前患者分配量Mi。由于醫院檢查預約排班以4周為1個周期，因此選取2018年6月1日-28日的實際業務共計14.27萬條預約數據作為仿真患者需求量Di，利用Visual Studio 2013 C++環境編譯仿真程序。仿真計算流程，見圖2。仿真程序在已知恒定Ui的條件下，Mi取值為1～Ui，循環計算Di的Fitness，得出最優解的預約資源池分配組合，仿真計算結果，見表2，最優Fitness為1.363。

表2 仿真計算結果(個)

5 應用效果與實證研究

5.1 應用效果

在前期工作基礎上，預約資源池初始化根據仿真結果設置，平臺于2019年1月正式投入使用。經過6個月不斷完善，覆蓋所有預約應用場景。具體效果體現為：一是自動化根據智能規則安排號序，減少盲目預約的現象；二是按醫療要求在預約周期內智能安排手術患者，縮短術前等候時間，加快床位周轉率；三是以統一接口整合各類檢查信息系統，標準化串接不同前臺預約終端。平臺上線后接入RIS、心電、超聲、核醫學系統等6家軟件開發商，實現線上線下包括手機、診間、自助機、便民服務中心、入院服務和病房預約等場景，6個月內提供7.21萬例患者近17萬次預約服務請求，同時支持醫務管理部門實時掌握所有檢查科室的預約及實際執行情況，用以分析預約流程中不合理的環節。

5.2 實證研究

為驗證平臺智能分配效果，以及初始化資源池設定比例是否恰當，使用平臺上線前后數據進行同期對比。考慮到醫療行業特殊性，由于治療周期或患者自身的原因預約時未必選擇最近可預約日期[10]。因此為保證數據分析結果真實可靠，事前對所有場景前端預約軟件進行改造，完成預約動作時不僅記錄實際預約日期,同時存儲當時最近可預約日期。由此本文選取2018年1-6月未使用平臺前的預約情況作為對照組，平均等候時間即為最近可預約日期與預約動作的時間差。在同一時段選取2019年1-6月使用平臺后的預約情況作為觀察組，觀察組中所有前端應用均依賴于平臺提供的預約服務。使用平臺前后預約情況對比，見表3。可以看出平臺上線后患者預約等候時間明顯低于上線前，具有統計學意義(P<0.05)。表明采用智能分配規則的模式能夠提高預約合理性，減少患者等候檢查時間，優化醫院檢查資源安排。

表3 有無使用平臺的預約情況對比

6 結語

建立基于智能規則的醫院檢查預約平臺，有利于集中不同應用場景下預約程序的后臺邏輯，科學地統籌協調醫院檢查資源。本文結合上海市胸科醫院平臺建設情況，分析符合醫療要求的智能分配規則，構建預約模型和仿真算法，推算最優預約資源池設定，實證研究平臺對檢查預約情況的影響。雖然研究對象屬于專科醫院，相比綜合醫院檢查類型較少，但是仍然可以得到一定啟示。實踐表明平臺縮短了檢查前等候時間，提升患者滿意度，有利于醫院管理者發現流程中的潛在問題，統籌安排預約資源，根據變化趨勢進行動態調整。隨著提升服務質量理念的不斷深入，建設公共預約平臺已成為醫院的共識，也為將來區域醫療協同奠定技術基礎。