中國附醫團隊以14萬筆資料訓練一套ML模型,能夠預測手術時間,可望幫助醫院掌控手術排程、降低不必要的成本。

中國醫藥大學附設醫院(簡稱中國附醫)開發了一套手術排程模型,可根據病患狀況,來準確預測手術所需的時間,已經可以預測25個科別、共422種手術的時間。透過這套模型,醫院能掌握手術室使用時間,省下不必要的閒置時間成本、提高利用率。中國附醫預計在今年底,將這套模型實際用於臨床手術排程。

用數十萬筆資料來打造精準排程系統

開發這套模型的成員之一、中國附醫智慧醫療科技創新中心主任游家鑫指出,開一臺刀涉及了複雜的醫療資源準備,比如血袋、手術器具、開刀醫生、護士、麻醉醫師、麻醉技師,以及病人的術前準備、麻醉術後的恢復室安排等。

因此,精準預測手術時間,能提高手術室的使用率。而醫院最常見的預測方法,不外乎是取外科醫生開刀紀錄的平均值,或是取電子病歷(EMR)排程系統中,某項手術的平均值。

但這些方法,忽略了影響手術的變數,比如特定患者的病況、手術團隊、麻醉等問題。不準確的手術預測時間,更會導致手術延期或取消。

為改善這個狀況,今年初,智慧醫療科技創新中心聯手中國附醫神經外科醫生暨院長周德陽,決定打造一套ML手術時間預測模型。他們首先收集了中國附醫2017年至2019年、共17萬筆的EMR資料,更從70種參數中,篩選出重要的24種,像是病患的年齡、性別、ICD編碼,還有主治醫生年齡性別、外科手術團隊人數、科別,以及手術類型、麻醉類型等。此外,「我們也考慮了醫生和手術室在開刀前,是否還有上一場手術。」

再來,團隊開始清洗這些資料,排除了手術時間大於10小時和少於10分鐘的案例,也剔除同時進行兩場以上的手術案例,還有患者小於20歲以及緊急刀和搶救刀等例子。

之後,團隊將剩下的14萬筆資料分為兩部分,利用其中的11萬筆來訓練模型,再用剩下的2萬8千筆來驗證。在模型訓練部分,團隊採用了線性迴歸模型、XGBoost模型、隨機森林和對數轉換線性迴歸(Log transformed linear regression)模型來訓練。

訓練好後,除了利用原本的資料來驗證,團隊也額外收集了今年3月至4月的7,000多筆資料,來進行測試。在評估這幾個模型時,團隊發現,XGBoost表現最好,其R2決定係數值可達0.85。一般來說,R2越接近1,表示模型的解釋力越高。游家鑫指出,這套模型已達臨床可用的程度。

預計年底上線,全面數位化手術排程

中國附醫團隊也將這次開發經歷寫成論文,現在,團隊也正將這套模型打造成一套手術排程系統,並納入急救刀和搶救刀兩個因素,甚至是病人轉送流程的時間,要讓系統動態調整預測時間。此外,團隊也透過神經外科院長的試用,來同時改善使用者體驗。

游家鑫也揭露,在今年底前,這套系統會實際應用於中國附醫的臨床手術排程,將過去仰賴人工在白板手寫的模式,全面數位化。文◎王若樸

 
 
 
 


Advertisement

更多 iThome相關內容