醫院門診智能診療流程控制研究

常宇，侯江厚，張杰，劉遠魁

1.昆明市婦幼保健院信息中心，云南昆明 650031；2.昆明市婦幼保健院科研教學部，云南昆明 650031

近些年來，移動互聯網、大數據、AI智能等一直是社會“熱詞”，建立智慧醫院、智慧交通、智慧城市等不絕于耳[1]。特別是2014年首屆“世界互聯網大會”在中國召開之后，我國的互聯網及互聯網+得到了快速發展，已經融入到社會經濟、生活的方方面面。讓信息多跑路，群眾少跑腿的理念深入人心。很多醫療機構建立了互聯網醫院、醫聯體、醫共體、遠程診療（會診）、線上預約、線上咨詢、線下導診分診等系統[2]。這一系列的建設極大地提升了醫院的信息化、智慧化水平，為患者提供了更多的就醫便利，改善了患者的就醫體驗，有效緩解了看病難的社會矛盾。因此，該文基于醫療機構已經建立起門診首診預約分診系統、自助系統、報告單推送患者手機移動端等系統基礎上，就醫院內部就診流程各環節，進一步建立多級聯動的、智慧化的預約排隊及分診叫號系統，使醫院門診信息化水平進一步提高，并利用大數據及算法模型，使醫院門診預約分診具有一定的AI能力，提高患者就診效率，節約看病時間。

1 一般門診就診過程中時間構成分析

1.1 基本流程時間分解

從就診流程看，患者看病時間由兩大類構成：一是診查等待時間（W1+W2+W3+……+Wn）；二是診查治療時間（T1+T2+T3+……+Tm）。即：

看病總時長：TT=W+T

從邏輯上講，患者看病等待時間越短越好，即W→0，盡量為患者節省這一部分時間。橫線以上為患者“診查階段”，橫線以下為“治療階段”。要盡可能縮短“診查階段”的時間，讓患者盡早進入“治療階段”[3]。見圖1。

圖1 智慧醫院看病流程與時間分解

1.2 檢驗檢查時間分解

對診查治療時長（T=T1+T2+……）分析如下：

T1：門診問診時間（首診），不可分解。

T3：門診問診時間（復診），不可分解。

T4：配藥發藥時間，該模型不考慮分解（如利用包藥機、配送等方式提高效率）。

T5：治療時間，不可分解。

T2：檢查檢驗消耗時間=檢查檢驗時間+等待報告時間，可以壓縮，即

通過對檢查檢驗消耗時間的分解，患者等待報告單的時間是一種“浪費時間”，應想辦法壓縮（或節省）。

1.3 時間分解結果

應該盡可能壓縮（節省）患者就診等待時間為：

即患者就診“所有的診療等待時間”與“所有檢驗檢查的報告等待時間”之和。

2 節約時間原理

2.1 隊列機制與自動預約

①對于所有就診環節，都必須建立預約與簽到叫號機制。預約隊列里的患者到達現場必須簽到，簽到后按患者在預約隊列里的順序生成叫號隊列[3]。對于首診過號需設定作廢時間，如過號超過30 min此號作廢，系統在號源池中自動增加一個有效號源。另外還必須建立“復診簽到”與“復診優先”機制。

②對于患者首診環節來說，預約能最有效節約看病等待時間。復診患者重回診室前必須簽到等待叫號。建立簽到隊列可避免因反復叫號爽約患者而耽誤時間。

③檢查檢驗的預約，由信息系統自動完成預約。當醫生開具各項檢查檢驗申請單后，信息系統自動完成后續診查項目的預約排隊，患者到達診查部門須先“簽到”，等待叫號，避免患者每做一項檢查都從該隊列的最后一個開始排隊[4]。

2.2 智能優化

有了自動預約與簽到叫號隊列機制后，通過大數據、優化算法建立智能優化機制，最大限度地壓縮患者無效的就診時間。

舉例：門診醫生為患者開出檢驗檢查申請單，分別是化驗、超聲、核磁檢查。系統自動完成在相應的檢驗檢查部門的預約排隊，通過手機等方式提醒患者優化（最佳）的檢查順序。比如下列結果：

最優檢查順序為化驗、核磁、超聲。預計檢查花費時間為87 min。見圖2。

圖2 最優檢查順序

把其中3項檢查預約排隊的信息，以時間軸展開。見表1。

表1 3項檢查時間排列組合表

通過以上6種排列組合可看出，每種完成檢驗檢查組合消耗的總時長各不一樣[5]。因此，做多項檢查檢驗時，先后順序是有講究的，要利用優化算法為患者提供指導。

3 模型、優化算法與知識庫

3.1 門診預約與簽到隊列

門診預約與簽到隊列模型見圖3。

圖3 模型舉例：首診、復診隊列與叫號模型（簡單）

說明：對于檢驗、檢查、治療等其他隊列，不需要該模型上“復診簽到”機制，也沒有“過號作廢”機制。

依據上述模型原理，智慧預約分診需構建下列基礎模型：

模型1：首診、復診隊列與叫號模型及算法。

模型2：醫技檢查預約與叫號隊列模型及算法。

模型3：實驗室檢查預約與叫號隊列模型及算法。

模型4：藥房取藥隊列與叫號模型。

模型5：治療預約與叫號隊列模型。

3.2 優化算法

①當有多項化驗檢查時，需采用耗時最長的化驗項目作為化驗用時參與優化計算[6]。②各檢查與檢驗項目排列組合后進行計算，構成檢查時間矩陣，通過集合運行與矩陣運算得出最優方案。

3.3 建立知識庫

當開具多項診查申請單后，系統如何知道每個檢查項目需要排隊時長，需要查檢時長，需要等待報告的時長，需先建立知識庫，應用大數據，并結合當前就診隊列的實際狀態計算分析[7]。

依據優化計算檢查檢驗順序的要求，需要建立下列知識庫：

知識庫1：建立全院每個門診醫生診療平均效率表。

知識庫2：建立全院門診醫生對應其每個門診號的平均時間表。

知識庫3：建立化驗單項及任意多項組合的最長報告時間表。

知識庫4：建立CT單項及任意多項組合的MAX（檢查時間+報告時間）表。

知識庫5：建立DR單項及任意多項組合的MAX（檢查時間+報告時間）表。

知識庫6：建立核磁單項及任意多項組合的MAX（檢查時間+報告時間）表。

知識庫7：建立心電圖的平均檢查時間及最長報告時間表。

知識庫8：建立腦電圖的平均檢查時間及最長報告時間表。

4 大數據測算結果

在構建了各智能預約分診及簽到叫號隊列模型以及相關知識庫的基礎上，結合診查項目組合優化算法，經采樣該院2019年全年上午就診患者的實際數據加以測算，見表2。

表2 2019年全年該院上午就診患者的實際數據測算（min）

5 結論

①通過歷史數據嚴格測算的結果來看，按照該模型及算法建立“門診智慧預約分診平臺”，能夠在不增加醫療資源的情況下，平均每個患者可節約看病時間＞30 min，效果十分明顯[8-10]。兒科患兒檢查檢驗項目少，優化效果稍差，產科和婦科檢查檢驗項目相對較多，優化結果比較好，這也符合該模型方法的原理。

②該模型算法還有進一步提升空間。比如婦幼特色的孕周定期產檢，可探討研究“先檢后診”模式；智慧預約機制算法中增加“時間重疊”預約法。

③該模型對于各診查環節排隊超過規定時長的科室（部門）可以給出預警，及時干預調整。