取工業工程之力 助醫療系統革新

本刊記者 孫欣欣

取工業工程之力 助醫療系統革新

本刊記者 孫欣欣

目前，醫療服務系統中存在著諸多問題，比如掛號難、就醫流程繁瑣、資源配置不合理、設施布局不合理、信息化程度低等。對于這些醫療“頑疾”，工業工程可謂是一劑“良藥”。所謂工業工程，是從科學管理的基礎上發展起來的一門應用性工程專業技術，專門致力于復雜系統的研究，若將其應用于醫學領域，將會促進醫療系統的優化。清華大學工業工程系助理教授謝小磊正為推動此項事業而奮斗著。

工業工程 心之所向

“現在，工業工程在醫療領域的應用主要包括3個方面：醫療系統運作管理、臨床政策和公共衛生政策支持。”謝小磊認為，工業工程的合理運用可以從這3個方面著手來減少病人等待時間、提高醫療效率。

所謂運作管理，真正設計起來，是要考慮如何從優化醫院診室布局、改善門診患者就醫流程等問題入手，細化到病人入院、出院和轉院的整套服務程序，甚至對急診、手術、ICU等具體部門都要詳細規劃，以期在運作管理過程中優化醫療資源配置、提升醫療質量、保障醫療安全措施，并實現良性的績效評估。

既然談到醫療應用，自然繞不開“病”。謝小磊所說的臨床決策多針對慢性病。目前，我國確診的慢性病患者近3億。慢性病不是小病，如心腦血管疾病等慢性病灶嚴重危害著國人的健康，其導致的疾病負擔比例高達70%，為個人、家庭乃至社會壓上了沉重的擔子。而通過工業工程，謝小磊和他的同行們會綜合循證醫學、轉化醫學和個體化醫學的理念，將某種疾病的不同篩查、治療方案結合衛生經濟學進行比較和評估。這樣一來，從慢性病的預防、篩查，到監控以及優化診療階段，都可以得到綜合考量，為這些疾病預防和診療指南的科學化制訂以及更新提供決策支持，從而減輕社會和個人負擔。

一個國家的衛生政策，會直接影響其醫療行業的發展，而工業工程能為衛生政策的科學制定提供強大的數據支撐。這種支撐無處不在，比如臨床效率和公平性等指標評估不同的器官移植政策和疾病診斷相關分組的本土化和改善。目前，該方向正是謝小磊的研究重點。

“工業”“工程”，對公眾來說，這兩個詞都不算陌生，但合到一起就演繹成了一個全新的概念。謝小磊在悉心解釋過這個概念之后表示，他之所以能走上這個科研新方向，是源于他在大學本科期間的實習經歷。

那時，謝小磊在北京航空航天大學學習機械工程及其自動化專業，時常會到一些工廠參觀實習，工廠的供應鏈管理引發了他的興趣，經過進一步了解，他發覺：供應鏈管理是工業工程中的一個重要分支，而工業工程是一個很有價值的方向，于是，對于自己人生的規劃，他有了新的打算。2008年，謝小磊考取了密西根大學工業工程專業碩士。一年后，他又考取了威斯康星大學工業工程專業博士，真正投入到該方向的學習中。海外數年，謝小磊的專業能力在不斷提高，而他對待科研的態度也愈發成熟起來。“我的博士導師是一個敬業、勤勞的人，他經常工作到晚上10點以后，這種拼搏精神對我影響很大”，他提到。

2014年，學有所成的謝小磊回到了清華大學工業工程系工作，他將自己研究方向對準了工業工程和醫療領域的結合之處。謝小磊認為，隨著醫療行業在21世紀快速發展，中國社會健康意識不斷增強，在患者、醫療機構和政府層面，新的問題和更復雜的決策不斷出現，提高精益化管理水平和科學化決策支持力度迫在眉睫。“在大數據背景下，工業工程這一致力于研究復雜系統的學科，對醫療系統改善和優化的貢獻會越來越大，通過工業工程學者與醫學專家、衛生從業者和管理者間的深入合作，醫療服務質量和國民幸福感必定會得到很大提升。”謝小磊堅定地說。

數據驅動改善醫療服務

2016年，在全國醫療系統開展“進一步改善醫療服務行動”的大背景下，謝小磊開展了在國家衛生計生委支持下的“基于數據驅動的醫療系統改善與預測”項目，該項目致力于運用工業工程專業的知識，建立醫療服務系統的數學模型。當然這只是第一步，之后，團隊還會對數據進行分析計算，依據計算結果提出改善醫療服務的建議，并設計輔助醫院管理的軟件，從而改進醫療服務流程，提高醫院管理信息化水平，方便人民群眾看病就醫。

“具體來說，我們主要從3個方面著手，分別為醫院患者排程、體檢流程、醫院門診效率，尤其是門診預約。”謝小磊介紹道。項目的展開是從北京某三甲醫院血液透析中心患者排程開始的，他計劃帶領團隊根據醫院血透中心的設備和診治人數現狀，再考慮普通血透機器與血濾機器的合理配置，設計出一個均衡患者排程的排班模式。

達到優化排程的目的并不容易，謝小磊團隊遇到的困難主要有兩個。一來血液透析病人數量不確定性較大，對于不同種類血透設備的需求也不同，這時候要做患者排程，必須要綜合考慮病人需求、設備使用成本、平衡每日透析患者數量等多項指標。二來排程系統設計還必須考慮可操作性，一定要讓醫護人員能夠簡單方便地進行血透排程的新增、刪除和修改等多項實際操作。這其實不難理解，由于醫院現有信息管理系統缺陷，以及醫療服務流程設置問題，患者就醫過程的數據往往會部分缺失或有偏差，這時，對于患者各項檢查的時間就得用連續兩個病人的檢查間隔加以估計。“但部分檢查缺乏固定記錄時間，要靠醫生憑借檢查經驗來估計”，他補充說道。在他們的精心設計下，該醫院血液透析中心成功用上了基于動態實時優化算法的新排程軟件。該軟件的使用，讓血液透析中心在同等人力物力的情況下可多吸納15%的病人，達到合理利用資源，降低病人就醫成本和醫院管理成本的目標。

體檢是醫療服務的重要組成部分，是疾病預防管控的重要手段。目前，國內體檢中心的工作安排往往缺乏科學性，造成醫療服務效率的降低。怎樣才能使體檢工作更高效呢？這是謝小磊聚焦的第2個問題，若是想找到方法，就必須要建立仿真系統，而這并不輕松。“體檢流程的復雜性和不確定性，病人、醫生的差異性，大大增加了仿真系統建立的困難程度。”他說。幾經周折，團隊終于突破了該難題，根據體檢中心的體檢病人數量和體檢診查流程，建立了仿真模型。而且，該模型還考慮了病人對于體檢導引的依從性，更真實地反映了體檢中心的狀況。在此基礎上，團隊又進一步分析了體檢中存在的流程問題、資源配置問題，為體檢團體預約安排、規劃導引病人體檢流程、體檢醫生排班、合理分布各診室和檢查室等事項提出了優化建議。

攜團隊參加學術會議

醫院門診效率是該項目的第3個關注點。“國內的三甲醫院，因為過高的門診量，使得患者在醫技科室的排隊時間過長，導致患者流失。這個問題其實可以通過工業工程的方法來改善。”謝小磊說，他帶領團隊和北京地區某三甲醫院門診部合作，通過數據挖掘和仿真建模，尋找到最優化的醫療資源和患者需求的匹配度，尤其聚焦基于科室和相關檢查的關聯度的門診布局優化以及分時就診的方案評估，從而提高了門診效率。

糖尿病“管控之法”

2014年，全球總共有4.22億糖尿病患者，中國患者占據其中四分之一，有1.1億左右。日后這個數字會繼續上升，在不遠的將來，將會達到1.5億。“這樣龐大的患者群會對國家造成巨大的經濟負擔，而且糖尿病會引起很多并發癥，《柳葉刀》發表的研究表明，預測到2020年，中國的糖尿病相關疾病的負擔會是3600億。”謝小磊說。

毫無疑問，對于我國來說，糖尿病的預防和管理工作已是迫在眉睫。立足國家需求，同樣是2016年，謝小磊還在清華伯克利深圳學院（TBSI）和光聚科技共建的聯合研究中心支持下，啟動了另一個項目——“基于連續血糖監測系統的數據挖掘及人群層面糖尿病發病建模分析”，希望能為臨床醫生公共衛生管理者提供數據驅動的決策支持。

既然是數據驅動，自然要有基礎數據。基礎數據要如何收集？謝小磊團隊應用的是連續血糖監測技術（CGM）。對于糖尿病患者，CGM能有效的反映血糖波動值，評估各種輔助治療、運動、用藥造成的血糖變化。“這個儀器能連續3～7天，每天連續24小時，每3分鐘一次測量并記錄糖尿病患者血糖值。而且在整個過程中，不會影響到記錄者的任何活動，比如洗澡、運動等。”

有了CGM儀，就能獲得一系列原始數據，比如患者的連續血糖數值、個人基本信息、并發癥史、飲食、運動、用藥、睡眠情況等。這些數據會被進行系統總結，從而識別出患者血糖變化的歷史模式。而對于血糖變化的特殊情況，例如：血糖突變、血糖急劇升高、睡眠期間血糖值過低等，謝小磊團隊也會加以考慮，針對不同的特殊情形，創造出與之相對應的患者前期和現期的情況預警方式，以加強對糖尿病患者自我監控的指導。除此之外，團隊還重點研究了血糖短期波動對CGM使用者身體健康的影響，在考慮短期波動的情況下，開發新的糖尿病管理模式。

這意味著，謝小磊團隊將眼、腎、心臟、中風、四肢、老年癡呆等糖尿病并發癥與糖尿病之間的關系，做出了一個切實的梳理。以此為基礎，他們可以對糖尿病并發癥風險進行精準評估，從而建立起基于中國人群的糖尿病并發癥風險預測模型和干預方案，并開發出基于個體的仿真模型。這個仿真模型究竟會帶來什么好處呢？面對記者的疑問，謝小磊介紹到，該模型可以提供出幾個重要數據，既能預測糖尿病未來的發病率和社會經濟負擔情況，同時還能分析不同干預措施的成本效益。這樣一來，當國家要制定公共衛生政策時，就能有直觀的數據作為依據，從而擬定出指向性更明確、可行性更好的政策。

如果一定要給出工業工程研究的一個特點，那便是其實踐性。作為一位研究者，謝小磊希望自己的成果更可行，而身為一名師者，他總是會帶學生們跳出課堂和書本的局限，去探究這些成果是如何形成的。

“我經常會帶學生去參觀一些醫院，至今我們已經參觀過了北京安貞醫院、友誼醫院、同仁醫院、清華長庚醫院，北大第一醫院，北大人民醫院，上海仁濟醫院等。同時，我也會帶學生去參加一些衛生計生委的會議，之所以這么做，是因為我想讓他們切身了解到中國社會中的問題，從而確定學習的目的，提升學習的積極性。另外，我也會在基金項目中設計一些內容，讓本科生參與進來。”謝小磊說。

專家簡介：謝小磊，清華大學工業工程系助理教授，博士生導師。致力于和衛生醫療專家以及管理者合作，應用工業工程方法解決相關領域實際問題。2010年至2014年與University of Wisconsin Health system、University of Kentucky合作從事出院流程優化，混合預約系統設計及手術室排程等科研項目的研究，2012年夏在Mayo Clinic的Center for Science of Healthcare Delivery從事住院病人緊急救助研究工作。現已和國內醫院、衛生醫療相關科研院所和衛生管理部門展開合作，包括基于隨機模型的三甲醫院運營管理，數據驅動的慢病管理，以及疾病診斷相關分組改善研究。