EVERYTHING
За даними Nature, розробники запропонували інноваційну структуру ASTP для вирішення критичної проблеми в управлінні лікарнями — прогнозування часу проведення операцій. Оскільки операційні зали є найдорожчими підрозділами медичних закладів, що потребують одночасного залучення хірургів, персоналу та дорогого обладнання, будь-яка неточність у плануванні призводить до зростання витрат та виснаження кадрів.
Двошарова архітектура прогнозування
Система ASTP складається з двох основних етапів обробки даних. На першому рівні використовуються інтерпретовані методи штучного інтелекту для визначення ключових факторів, що впливають на тривалість операції. Дослідники застосували Long Short Term Memory (LSTM) разом із показниками SHapley Additive exPlanations (SHAP), а також Random Forest permutation importance. Це дозволяє зрозуміти, які саме параметри — стан пацієнта, складність інструментарію чи специфікація процедури — мають найбільше значення для моделі.
Порівняльний аналіз та результати тестування
На другому етапі підмножини найбільш важливих ознак (TOP-K) оцінювалися за допомогою алгоритму Histogram Gradient Boosting Regression (HGBR). Модель порівнювалася з іншими архітектурами, включаючи штучні нейронні мережі (ANNs) та рекурентні моделі, такі як Gated Recurrent Unit (GRU) та гібридні структури LSTM+GRU. Випробування проводилися на двох різних наборах даних: реальних даних з Nile Hospital та публічного репозиторію MOVER.
Результати тестування показали наступне:
- На даних Nile Hospital підхід HGBR продемонстрував найкращий баланс, досягнувши середньої абсолютної помилки (MAE) у 8.89 хв та коефіцієнта детермінації R-squared 0.26, використовуючи лише чотири ключові ознаки.
- На наборі даних MOVER модель HGBR також виявилася найпотужнішою, показавши оптимальні результати при використанні 7 або 12 найбільш значущих параметрів.
Висновки для медичного менеджменту
Запропонований фреймворк ASTP забезпечує ресурсоефективне та зрозуміле рішення для прогнозування хірургічних процесів. Це дозволяє перейти від суб'єктивних оцінок анестезіологів або використання середніх показників до обґрунтованого планування на основі даних. Впровадження таких систем сприятиме інтелектуальному управлінню лікарнями та мінімізації «неповторюваних подій», спричинених людським фактором чи стресом персоналу.