从协调到个性化:一个信任意识模拟框架,用于在紧急部门的人工智能驱动的个性化决策支持

科学领域:

• 医疗保健 运营 研究 研究 研究
• 人工智能在医学中的应用
• 计算社会科学 计算社会科学

背景情况:

• 在医院急诊室 (ED) 中,有效的任务分配至关重要,但由于复杂的员工协调和患者/专业人员的变化而受到挑战.
• 在ED中,个性化护理和运营效率需要先进的决策工具.
• 当前的系统往往在动态调整员工能力和患者需求方面扎.

研究的目的:

• 提出和评估一个基于模拟的框架,用于智能,基于信任的任务分配.
• 探索计算信任机制如何支持在ED管理中以人工智能驱动的个性化决策.
• 评估信任导向协调对工作流动动态,资源利用和患者结果的影响.

主要方法:

• 在Unity中开发了一个模拟框架,将医生和护士模拟为智能代理.
• 代理人评估了能力和患者需求,根据计算信任进行了自适应协调.
• 评估了三个场景:基线,替代和培训,以建模不同的员工管理策略.

主要成果:

• 基于信任的任务分配,通过适应护士的表现和患者的敏度,平衡了患者的安全性和效率.
• 替代方案改善了吞吐量,减少了延误,尽管员工成本更高.
• 培训场景显示了长期技能发展和个性化能力建设的潜力,尽管存在短期风险.

结论:

• 计算信任框架为紧急医疗操作提供个性化,基于证据的决策支持.
• 它为医院管理人员提供了一个工具,以在受控条件下评估人员和治疗政策.
• 这项研究通过动态调整操作决策以满足患者需求和员工能力,为精确和个性化医疗做出贡献.