基于物聯網的醫療設備管理系統設計與實踐

賀昕路

杭州市婦產科醫院 醫學工程部，浙江 杭州 310000

引言

隨著國家醫改建設的不斷推進，醫院的信息化程度已經大大提高，基本建立了比較完善的臨床業務系統，提高了醫院的醫療服務水平。醫療設備管理已成為現代醫療的一個重要領域。但是由于醫療設備應用場景多樣且復雜，使得醫療設備管理困難重重。設備采購完成后，管理部門無法了解設備真實使用情況，設備是否閑置，運行是否飽和，采購設備后經濟效益如何，往往一問三不知。當下一次科室再次申請采購時，管理部門的采購決策也會非常模糊[1-7]。本文提出的物聯網設備管理系統，利用物聯網技術采集目標設備運行電功率數據，得到設備實際使用情況，為設備效益分析提供數據，為采購決策提供數據支持。

1 軟/硬件設計

1.1 硬件設計

物聯網（Internet of Things，IOT）是利用各種傳感器，例如：紅外線傳感器、RFID、全球定位等等，將設備連接起來，并進行數據交互來實現對設備數據監測、控制和維護的網絡。IOT模塊主要部件為單相多功能計量芯片，其提供高頻脈沖CF用于電能計量和高頻CF1用于指示電流有效值或者電壓有效值[8-10]，芯片功能框圖如圖1所示。

圖1 芯片功能圖

被測脈沖周期≥100 ms，采用測量單個周期的方法，測量誤差=1 ms/T，因為T>100 ms，所以測量誤差小于1%；被測脈沖周期小于100 ms時，我們采用計數脈沖的測量方法，在t≥1 s的時間內，測量N個完整的脈沖周期，計算公式如下：t=N×T（N:t時間內出現的脈沖個數；T：被測信號脈沖周期；t：第一個脈沖到第N個脈沖的時間）。

在芯片的電源端，并聯兩個小電容，以濾除來自電網高頻及低頻噪聲。電流信號通過錳銅電阻采樣后接入HLW8012，電壓信號則通過電阻網絡后輸入到 HLW8012。CF、CF1、SEL直接接入到CPU的輸入端，通過計算CF、CF1的脈沖周期來計算功率值、電流有效值和電壓有效值的大小，見圖2。

圖2 芯片電路設計圖

由于IOT模塊實時采集功率數據，因此需要解決功耗和體積的問題。續航問題，使用電池供電，勢必增加人力成本；體積問題，體積太大既不方便臨床使用，也容易在使用中發生故障。為了解決以上兩個問題，首先選擇藍牙作為傳輸模式，相比無線Wi-Fi，藍牙具有功耗更小，短距離穩定性更好的特點，非常適合醫療設備的應用場景。其次，將IOT模塊和設備電源線整合在一起成為智能電源，當設備使用時，智能電源就獲得了設備的電壓、電流和功率等數據，同時通過電源線給IOT模塊供電，解決續航問題。

1.2 軟件設計

藍牙傳輸軟件設計包括計量模塊SPI接口的數據寫入和輸出、HLW8012模塊數據接收和發送、藍牙與后臺通信。軟件設計流程如圖3所示。

圖3 SPI軟件設計流程圖

采集芯片的SPI接口和路由器同時打開，采集芯片采集到設備的運行數據（電壓、電流、功率等），開始寫入SPI接口。同時路由器建立網絡，初始化節點準備開始接收數據。SPI將寫入的數據發送到路由器協調器，路由器再將接收到的數據傳輸到服務器，完成整個數據傳輸的過程。

2 系統重點功能

通過藍牙傳輸獲得設備使用數據后，通過數據挖掘和分析就可以實現設備的效益分析。主要有以下幾個部分功能。

2.1 使用數據采集

2.1.1 使用率

使用率=實際使用時間/預期使用時間×100%。通過公式計算得到某臺設備的實際使用情況，這里的預期使用時間我需要解釋一下，在醫院中不同的區域同一種醫療設備的應用場景也會有不同，例如在門診胎監室的胎心監護儀需要不停地接待不同的孕婦做胎心檢查，所以一般是工作時間8 h滿負荷運轉；而在手術室或者分娩中心由于其醫療特殊性，并不是每一位待產的孕婦都需要不間斷的監測胎心，所以一般工作時間不足8 h。介于這種情況，我們在實際使用中前期我們會把預期使用時間設定為24 h，這樣我們會得到一個區域同一種設備的平均工作時間，通過數據積累得到準確的預期工作時間，從而比較準確地得到不同區域設備的使用情況。

2.1.2 飽和度

飽和率=飽和的設備數/總設備數。當使用率長期到達一個閾值時，我們認為這臺設備屬于飽和設備，通過這個數據我們可以直觀地了解到某個區域的設備是否飽和還是存在大量閑置的問題[11-19]。

設備飽和度計算中飽和閾值是一個非常重要的參數，他的高低決定了設備呈現出的飽和度的高低。而且在實際醫療場景中飽和閾值并不一定是一個固定值。以彩超儀為例，門診B超室和生殖中心手術室兩個不同的醫療場景中彩超儀的使用頻率和使用時間會有很大差距。

門診B超室的彩超儀A一般負責門診病人的超聲檢查，所以使用時間一般為8:00～18:00。且兩次使用之間間隔很短，因為病人在門診時間往往絡繹不絕，彩超儀在這個10 h內不停地工作。

而生殖中心的彩超儀B一般負責手術過程中的引導。一般使用時間為9:00～19:00。每臺手術中需要引導的時間不統一，而且也不是每臺手術都需要超聲引導，這就導致彩超儀在這10 h內間歇性工作。

通過采集設備運行時間發現門診B超室的彩超儀A使用時間大大超過生殖中心手術室彩超儀B使用時間，但不同的使用目的和性質讓這組數據不能支持我們認為彩超儀A飽和度大于彩超儀B。所以我們需要考察兩個應用場景下彩超儀平均使用率，從而確定飽和閾值。

2.2 收費數據計算

核對收費數據：通過院內HIS和收費系統我們可以知道設備每次治療或者檢查的費用和收益情況，從而得到收益率、回報率、安全邊際率等等數據，但是一般HIS里只有收費項目，并沒有設備名稱，也就是說我們只能得到一類設備一段時間的收益情況，如果有多類設備使用同一個收費項目，那收益情況就更加無法精確到每一臺設備。通常醫療設備待機和工作狀態的功率是不同的，利用這一點，IOT模塊通過監測設備功耗就可以得到每一臺設備每天使用次數，不同設備使用次數不同，收益分攤的比例自然也就不同，實際收益數據就能夠精確到每一臺設備。

2.3 采購決策支持

醫療設備采購申請中比較常見的一項理由就是由于業務發展需要在采購一臺設備，因為原來的設備不夠用了需要采購設備，但是原先的設備是否充分使用無法知曉，做出的決策自然就有所偏差。

物聯網平臺獲得的設備飽和度就能夠為采購決策提供準確的數據。當某個科室的一類設備飽和度達到一個閾值（90%或95%），及時提醒管理科室需要采購新設備，當飽和度未達標，那么就需要申請科室對此作出特殊說明。

3 系統測試

經測試，系統登錄界面圖，見圖4～5；系統設備基本數據界面，見圖6～7；設備效益數據界面，見圖8；系統采購決策界面，見圖9。

圖4 登錄界面

圖5 系統主界面

圖6 設備一覽表

圖7 設備基礎數據信息

圖8 設備效益明細

圖9 胎兒監護儀飽和度情況

4 結果

4.1 數據驗證

將彩超儀2019年每個月的使用數據與超聲科影像歸檔和通信系統（Picture Archiving and Communication Systems，PACS）中的數據對比，詳見表1。

表1 IOT系統與PACS系統中彩超儀服務量對比表

說明物聯網醫療設備管理系統中的數據與真實數據有中等一致性，具備一定的參考價值（Kappa值為0.474）。

4.2 兩組影像設備使用數據對比

2019—2020年醫院使用系統對放射科和部分50萬元以上的醫療設備進行效益分析（采用SPSS軟件處理，數據進行t檢驗，采用±s表示），2020年第二季度MRI服務量、收入、飽和度與2019年相比明顯下降（P<0.05），醫工部聯合多部門采取措施提高核磁共振服務量。第三季度核磁共振的服務量環比增長21%，提升了醫療設備使用效益。

2020年第二季度CT的服務量、收入、飽和度明顯高于2019年第二季度（P<0.05），結合設備使用情況，醫工部縮短了設備維護周期并購買了第三方CT全保服務。CT在7月份出現球管故障，為醫院節省了50萬元的維修費用，見表2。

表2 2020年與2019年放射科部分設備效益情況對比表（±s）

表2 2020年與2019年放射科部分設備效益情況對比表（±s）

設備名稱 項目 2020年第二季度 2019年第二季度 t值 P值±23.46 -12.318<0.001 04±0.64 -1.352<0.001 68±1.18 -5.606<0.001 00±53.39 8.668 <0.001 4±0.20 28.368<0.001 96±1.92 32.869<0.001 MRI服務量 234.00±14.70 476收入/萬元 13.1±0.74 22.飽和度/% 55.47±2.57 66.CT服務量 1237.67±151.68 252.收入/萬元 21.43±0.94 2.2飽和度/% 83.68±1.83 21.

4.3 兩組胎兒監護儀使用數據對比

醫工部對產科病區胎兒監護儀進行使用飽和度對比，觀察組的胎兒監護儀每臺使用時間和飽和度明顯少于對照組（P<0.05），將閑置設備調配到使用飽和度較高的科室，優化了醫療設備資源配置，降低了醫院成本開支，詳見表3。

表3 2020年3月產科病區胎兒監護儀使用數據（±s）

表3 2020年3月產科病區胎兒監護儀使用數據（±s）

項目 觀察組 對照組 t值 P值每臺使用時間/h 145.60±3.72 179.20±4.46 8.567 <0.001飽和度/% 65.00±2.20 79.98.±8.64 5.498 <0.001

5 總結與展望

本系統通過運用物聯網技術，將醫療設備運行數據通過藍牙模塊上傳到服務器，通過數據挖掘分析目標設備的使用情況。讓醫院管理者更加直觀地了解醫療設備真實的運行狀況。

醫療設備在醫院中扮演越來越重要的角色，提高設備使用效率是我們醫學工程部的重要職責。醫療設備管理和效益分析越來越受到學者們關注。焉丹等[20]提出的大型醫療設備效益監管平臺對大型設備的收益情況進行管理，提高了設備的收益和人員的滿意度，但是沒有對移動類的設備的運行情況和效益進行監管。陳慧等[21]提出的SWOT－CLPV分析方法，從抑制性、杠桿效應、問題性和脆弱性對設備效益進行分析，但是沒有涉及設備使用數據采集的設計。姜義兵[22]、閆慧芳等[23]、唐濤等[24]則側重醫療設備效益分析的數據挖掘分析方式，利用多種方式和多角度對設備運行數據進行分析，但是對于設備運行數據的采集和驗證工作均沒有涉及。

綜合來看，本系統運用物聯網技術，不僅能夠實時提供醫療設備的實時使用數據，同時能夠計算出一段時間內目標設備的效益情況，并且通過使用飽和度反映臨床科室醫療設備使用負荷情況，為醫療設備日常使用維護和未來采購決策提供數據支持，為醫療設備管理提供了新的角度。在一定程度上解決了長久以來醫療設備管理上的幾大痛點，接下來，我們還將與電子病歷系統對接，為臨床決策提供數據，提高臨床工作效率降低差錯率。我們希望能夠利用信息化手段，將醫療設備精細化管理持續推進下去。