数据驱动的危重患者评估和医疗服务运营决策研究

Patient safety is the eternal issue for healthcare management, while expenditure control is crucial in solving the high healthcare expense problem in China. With the purpose of ensuring patient safety, controlling healthcare expenditure and improving care delivery efficiency, this project focuses on critical patients, who have very high mortality rate and resource consumption, and investigates the topics on patient evaluation and operational decision-making in general ICU setting. For patient evaluation, a data-driven evaluation and stratification framework is developed which is a breakthrough compared with experience based judgement. On the operations level, stochastic modeling and optimization approaches are used to develop ICU admission and discharge policy with dynamic demand under risk. Moreover, real-time scheduling of healthcare practitioner resource under uncertainty and multi-level demand is studied. The modeling and analysis focuses on the integration of the aforementioned two levels of problem to provide continuous decision support of ICU operations management. This project uses multi-disciplinary approach which focuses on combination of theory and practice to contribute to the healthcare operational management and the development of critical care medicine. It also strive to develop models and methods for problems in other complex systems with similar underlying structure and explore the management paradigm that fully integrates data mining and operational modeling.

对患者安全的保障是医疗管理的永恒主题，医疗成本控制也是解决我国“看病贵”问题的关键。本项目以保障患者安全，控制医疗成本，提高医疗服务效率为目标，聚焦死亡风险和医疗资源消耗极高的危重患者，围绕综合重症监护病房(ICU)进行患者评估和决策进行研究。在患者评估层面，突破定性判断，在就医流程中构建数据驱动的危重患者的评估和分层体系；在运营决策层面，应用随机建模、最优化等方法，基于实时患者量化评估，研究基于动态需求和风险的ICU准入转出动态策略，并实现不确定性环境下的多级动态需求的ICU医护资源实时调度优化。本项目的建模分析重视以上两个层面问题的有机结合，从而实现持续的科学化ICU运营的决策支持。本项目通过多学科交叉，理论实践结合，致力于为符合中国国情的医疗运营管理实践和重症医学学科发展做出创新和贡献，为其它复杂系统中本质结构类似的问题开发模型和方法。探索数据挖掘和运营管理模型相结合的管理范式。

保障患者安全、控制医疗成本、提高服务效率是医疗运营管理的重要研究目标，也是解决我国“看病难”和“看病贵”的关键技术方法。本课题深入分析患者就诊流程和资源使用等特征，面向三个专题开展研究。专题一研究了患者安全驱动的数据挖掘。该专题研究利用大型公开临床数据库和国家卫健委医院质量监测系统，开发机器学习和深度学习的模型和算法处理异构的医疗大数据。针对不同医疗场景和不同数据类型，分别提出个性化的人工智能预测框架，充分挖掘和分析患者潜在的医疗风险和资源消耗，助力医院在兼顾安全和效率的前提下降低医疗成本。专题二研究了重症监护室的科学化管理决策。该专题采用排队论和系统仿真等方法对问题建模，并提出专用型资源和患者动态优先级等管理策略以提高服务效率。研究团队重视国内外发展的不同，通过和国外大型医疗机构合作并探讨其运营管理过程中出现的问题和创新点，为国内发展远程重症监护室提供经验。在专题三中，研究团队将前两个专题的研究场景拓展，研究了一系列复杂服务系统的建模和理论方法开发。针对门急诊患者就诊需求的高度不确定性和时变性，构建排队模型并开发近似算法，对医生资源进行科学计划、调度和控制。此外我们针对连续性居家照护和手术室排程等问题构建随机优化模型，并设计了启发式和精确算法对问题求解。特别的，我们还拓展研究了城市核酸检测分区等时效性医疗服务问题，建立并等价重构分布式鲁棒优化模型，推荐的分区方案可显著降低期望检测成本，为公共卫生管理部门提供积极有效的决策支持。研究团队和卫健委、国内外大型医疗机构密切交流与合作，基于真实问题开发了融合数据科学、运筹学、管理科学等多学科交叉的方法体系，部分研究成果已被国内多家医院实践并落地应用，多次获得国际学术学会奖项。在执行期间，团队成员多次受邀担任国际学术会议组委会委员和领域主席并组织智慧医疗主题分论坛，受邀担任多个国际期刊的副编和特刊主编，本项目的研究成果在产学研方面均产生了重要积极影响。