基于Apriori 算法的自動化藥房盒裝藥品儲位優化管理

洪衛蘭 ，陳桂強 ，王 持 ，程小榮 ，劉銳峰 △

（1. 廣東省中山市人民醫院藥學部，廣東 中山 528403； 2. 美商奧施 ＜ 北京 ＞科技有限公司，北京 100738）

為了提高醫院藥房的工作效率及服務水平，滿足患者的取藥需求，越來越多的大型醫院[1]引進自動發藥設備，建立現代化智能藥房，逐步實現醫院藥學信息化、自動化與智能化管理[2－3]。2015 年，我院門診藥房引進德國美智（Mach4）盒裝藥品自動化系統，該系統包含1 臺智能藥品儲存分發系統（自動藥柜 Medimat 和裝藥系統），6 臺 Speed－Box 高速自動發藥機、藥品傳輸系統和中央信息控制系統，該系統應用后，大大提升了傳統的調配效率，減少了人為差錯[4]。

Mach4 系統每天會接收大量的處方數據，如何從中尋找規則，以進一步提高自動化藥房的調配效率和準確度值得思考。關聯規則是尋找事務項之間的聯系規律和結構特征的主要數據挖掘方法，最早用于商場購物籃分析問題[5]。本研究中將運用Apriori 算法發現自動化藥房的盒裝藥品關聯規則，對自動化藥房的藥品儲位進行優化管理，以提高調配效率和準確度。現報道如下。

1 資料與方法

1.1 數據來源

數據來源于我院醫院信息系統（HIS）門診自動化藥房 Mach4 系統 的 6 號窗數據，提取 2019 年 11 月的處方數據，內容包括患者ID、藥品編碼、藥品名稱和數量。為了保護患者的隱私，不提取患者姓名及年齡。

1.2 關聯規則分析

采用Apriori 算法先對數據進行手動清洗，單個藥物的處方予以剔除。預處理藥品數據時，首先將數據輸入Excel 表中，制成矩陣圖。若藥品出現時，取其定值為“y”，若藥品不出現時，取其定值為“n”，由此建立的表格作為數據庫，再運用IBM SPSS Modeler 18 軟件進行關聯規則分析[6]。設置最低支持度為5%，最小置信度為5%，最大前項為10，對藥物進行關聯規則分析。

表1 6 號窗發藥頻次前48 位的盒裝藥品

2 結果

2.1 數據信息及預處理

共提取23 363 張處方，予剔除單藥處方（無效處方）1 564 張，實際提取有效處方21 799 張，涉及盒裝藥品 417 種。

2.2 發藥頻次

結果見表1。

2.3 產生的關聯規則

根據設定的最小支持度和最小置信度，一共產生15 條藥品的關聯規則，詳見表2。6 號窗盒裝藥品的網絡關系圖見圖1。

2.4 藥品組合分析

依據關聯規則，得出6 號窗盒裝藥品出現頻數前40 位的組合，詳見表3。

2.5 參考關聯規則調整藥品位置

根據上述發藥頻次結果和關聯規則結果，結合國家藥品儲存陳列規范，藥品需分類擺放，易混淆藥品不能擺放在一起，冷藏藥品應放于冷藏室，并根據藥品的外包裝尺寸等，得到藥房管理專家和自動化藥房維護單位的認可后，對 Mach4 系統的 SpeedBox1 發藥機的 47 種盒裝藥品做出調整（見圖2）。SpeedBox1 發藥機由3 個并列的儲藥柜組成，SpeedBox2 發藥機的藥品擺放位置與SpeedBox1 發藥機一致。

3 討論

隨著越來越多的醫院使用智能藥柜，藥師對病區基數藥品的管理更加方便、快捷、安全、高效、可控[7]，降低了門診藥房工作強度，減少了差錯[8]，并可將藥師從繁重的藥品調劑工作中真正解放出來，使其有更多時間為臨床提供藥學服務。自動化門診藥房中，不同藥品的存取效率有很大差異，從大量處方信息中提取的藥品使用規律，將具有關聯性的藥品存放在臨近的儲位，并根據發病的季節性及不同病癥對應不同處方等信息，合理安排藥盒在儲藥槽中的布局，可方便機械手臂快速取藥，提高自動化藥房的運行效率，提升工作質量，縮短患者的等待時間，提升其滿意度[9]。

表2 6 號窗盒裝藥品關聯規則

圖1 6 號窗盒裝藥品網絡關系圖

表3 6 號窗盒裝藥品出現頻數前40 位的組合

關聯規則是無監督的機器學習方法，用于知識發現，對中醫藥挖掘尤其適用。Apriori 算法是關聯規則挖掘領域的經典廣度優先算法，是一種最有影響的挖掘布爾關聯規則頻繁項集的算法。其核心是基于兩階段頻集思想的遞推算法，該關聯規則在分類上屬于單維、單層、布爾關聯規則，Apriori 算法采用了逐層搜索的迭代方法，簡單明了，無復雜理論推導，易于實現。由本次關聯結果可見，潤燥止癢膠囊、頸舒顆粒、復方血栓通膠囊、消炎止痛膏及麝香海馬追風膏等藥品，雖有較高的使用頻次及一定的關聯規則，但由于外包裝太大，無法放入SpeedBox 發藥機的卡槽中，未加入Mach4 系統中，應選擇在人工調配的就近位置擺放，以提高調配效率。

圖2 6 號窗SpeedBox 1 儲藥柜的位置調整

我院6 號窗口主要接收皮膚科、耳鼻喉科、骨科、風濕免疫科、神經科、口腔科、眼科的處方。拆零藥片、拆零針劑及大瓶的藥水由于安全性問題，暫時不存放于SpeedBox 發藥機中。由于SpeedBox 發藥機的卡槽存在寬度由上往下慢慢變窄的情況，依據關聯規則調整藥柜的同時，亦需考慮盒裝藥品的外包裝尺寸，越大包裝的藥品放在上面，越小包裝的藥品越往下擺放。

Mach4 系統剛開始安裝時，只考慮了藥品的用量和外包裝的尺寸，在使用過程中不斷加進新的藥品。這樣就可能導致常用的同一處方的藥品位置相距較遠，機械手臂需運行較遠的距離，調配效率較低。 在自動化藥房的改造中，會根據本次分析結果來調整快速發藥通道Speed－Box 發藥機的儲位(47 個)，除了將關聯度高的藥品組合放在相鄰或上下位置外，還應盡量將同一個科的藥品，根據包裝大小擺放在附近的藥柜中，以縮短機械手臂的運行距離，節省調配時間。

自動化藥房是三甲醫院信息化建設的趨勢，實現了“人找藥”到“藥找人”的轉變[10]。數據挖掘技術是近幾年迅速發展起來的一門新興技術，其在自動化藥房中的應用前景十分廣泛。它為藥房數據庫中海量數據的再利用及醫院藥學新知識的發現開辟了新的途徑[9]，在工作中不斷改進，提高配藥效率，降低調配差錯，縮短患者候藥時間，是我院藥學部一直努力的方向。由于我院門診藥房每天的處方量太大，本研究中僅提取了單個窗口1 個月的門診處方數據，故用于關聯規則分析的處方數據不夠全面。未來將研究更多科室的處方數據，以解決門診藥房的布局問題，還可從科室的角度研究藥品的使用情況，或科室間交叉用藥的程度等。另外，2019 年底和2020 年初逐步增加了許多“4 ＋7”品種和一致性評價藥品，在實際調整中，也會根據最新的數據實時調整Mach4 系統的儲位和存放品種，清除被替代的品種，將自動化藥房的效率發揮到最高。