数据驱动的医疗服务系统资源分配方法研究

This project leverages both the accuracy of the agent-based simulation model and the efficiency of discrete events systems to develop simulation optimization technique for helping optimize the healthcare resource allocation for hospitals, utilizing the recent advances in the digital healthcare platform and medical big data. We will establish an optimal resource allocation problem considering both the operational cost of the hospital and the waiting time of patients; we will develop a data-driven agent-based simulation model for the healthcare service system; we will propose a simulation optimization technique based on bi-fidelity models to allocate healthcare resource including doctors, nurses, and equipment to different stages of the service process. Our project will develop the generalized likelihood ratio method for distribution sensitivities and then the gradient-based simulated maximum likelihood estimation, which extends the data-driven concept to complex stochastic models, for reducing the computational cost and simultaneously making the optimal decision efficiently.

本项目利用数字化医疗平台、医疗大数据等信息技术成果，结合基于主体的仿真模型的准确性与离散事件模型的有效性设计仿真优化方法帮助医院实现医疗资源的高效优化配置。本项目将建立综合考虑医院运营成本与患者等待时间的最优资源分配问题；开发实际医疗数据驱动下基于主体的医疗服务系统仿真模型；提出基于双保真模型的仿真优化方案来分配医生、护士、设备等医疗资源到服务流程的各个环节。本项目将开发分布敏感性的广义似然比估计，进而提出基于梯度的仿真最大似然估计将数据驱动的概念推广至复杂随机模型,从而在减小仿真计算代价的同时更高效准确地做出最优决策。

医疗投入与需求之间长期存在矛盾。本项目基于医院的实际数据开发数据驱动的医疗服务系统仿真优化方法并将其应用于医疗等资源在各个环节的优化配置。取得的理论成果包括：提出了分布敏感性分析方法估计风险度量的敏感性，并建立了估计量的极限定理；给出了基于风险度量的动态仿真抽样优化方法，并证明其相合性；给出了学习随机网络节点重要性的动态仿真抽样方法，并证明其相合性；提出了可训练不连续人工神经网络的随机梯度估计方法，并证明了其无偏性；提出了优化风险度量的多尺度随机梯度搜索方法，并证明了收敛性；研究了考虑不同情境下的个性化决策的大规模仿真优化方法，提出了动态采样策略有效抽样，并证明了采用策略的相合性且能达到渐近最优的采样比率。取得的应用成果包括：建立了综合考虑医院运营成本与患者等待时间的医疗资源分配问题的数学模型；基于实际数据开发了医疗服务系统基于主体的仿真模型；基于肾病异地转诊数据建立了异地就诊区域医疗中心重要性评估的随机网络模型；提升了神经网络在图像受对抗攻击与自然噪声干扰下识别的鲁棒性；建立了食道癌预防治疗个性化方案的仿真模型，通过动态仿真采样挖掘出了具有可解释性的医疗洞见。项目执行期间发表期刊论文20篇、会议论文13篇，其中包括3篇管理科学顶刊Operations Research，6篇UTD论文INFORMS Journal on Computing，3篇控制论顶刊IEEE Transactions on Automatic Control，2篇基金委A类期刊European Journal on Operational Research，1篇应用概率论旗舰期刊Advances in Applied Probability，1篇基金委主办期刊Fundamental Research，1篇基金委管理学部资助期刊Journal of Management Science and Engineering，2篇基金委A类中文期刊。项目资助期成功申请国家自然科学基金优秀青年科学基金项目“管理中的仿真优化”（项目号72022001）、原创探索项目“智能系统的新学习方法”（项目号：72250065）。资助的相关研究成果获得INFORMS仿真社区杰出发表奖、冬季仿真大会最佳理论论文候选奖、第四届智能制造系统工程学术年会优秀论文，冬季仿真大会仿真优化案例大赛第二名、北京运筹学会优青青年论文。