机器学习外科病例长度预测模型和前景评估模型的开发,部署和实施

科学领域:

• 医疗信息学 医疗信息学
• 医疗保健中的机器学习
• 手术操作管理手术操作管理

背景情况:

• 手术室是关键的,昂贵的医院资源,产生大量收入.
• 准确的外科病例长度预测对于有效的调度和资源利用至关重要.

研究的目的:

• 开发一种机器学习模型,以使用在创建病例时可用的有限数据来预测外科病例长度.
• 通过提高预测准确度,改进手术室调度和资源管理.

主要方法:

• 开发了一种渐变增强机器学习模型,其中包含了针对病例复杂性和外科医生影响的相似级联.
• 定制了模型的损失函数,以平衡过度和不足的预测.
• 为无的机构部署建立了一个生产管道.

主要成果:

• 该模型在预测外科病例长度方面表现优于人类调度器,减少了11.2%的预测不足,并将实际长度的20%内的准确性提高了5.9%.
• 展望分析显示,在33815个手术病例中,逐渐采用调度器,并提高了预测准确度.
• 该模型协助调度人员,在实际长度的20%以内,预测得到了3.4%的改进,并减少了4.3%的预测不足.

结论:

• 创建了一个新的框架,以便在派遣时准确地预测外科病例的长度.
• 开发的机器学习模型每天都在积极使用,证明了它的实际实用性.
• 该框架有可能在医疗保健环境中部署未来的机器学习模型.