結(jié)合神經(jīng)網(wǎng)絡(luò)與多目標(biāo)遺傳算法的公立醫(yī)院支出預(yù)算編制方法

摘" "要：公立醫(yī)院支出預(yù)算編制是全面預(yù)算管理的重要環(huán)節(jié)。公立醫(yī)院作為一個(gè)復(fù)雜的經(jīng)濟(jì)體，其支出預(yù)算編制面臨著諸多挑戰(zhàn)，包括支出項(xiàng)目種類繁雜、需考慮社會(huì)效益和經(jīng)濟(jì)效益等多重預(yù)算目標(biāo)、支出項(xiàng)目對(duì)預(yù)算目標(biāo)的影響不清晰等。傳統(tǒng)的基于增長(zhǎng)系數(shù)的支出預(yù)算編制方法無(wú)法處理多重預(yù)算目標(biāo)、多種支出項(xiàng)目之間的復(fù)雜耦合關(guān)系，難以獲得所有方面都令人滿意的結(jié)果。鑒于此，提出一種結(jié)合神經(jīng)網(wǎng)絡(luò)與多目標(biāo)遺傳算法的公立醫(yī)院支出預(yù)算編制方法，采用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建支出項(xiàng)目到預(yù)算目標(biāo)的映射函數(shù)，并進(jìn)一步采用改進(jìn)非支配排序遺傳算法（Non-dominated sorting genetic algorithm II，NSGA-II）對(duì)支出預(yù)算進(jìn)行多目標(biāo)優(yōu)化配置，以期為公立醫(yī)院提供支出預(yù)算編制依據(jù)，同時(shí)為公立醫(yī)院全面預(yù)算管理的科學(xué)化和智能化提供新的思路和方法。

關(guān)鍵詞：公立醫(yī)院全面預(yù)算管理；支出預(yù)算編制；多目標(biāo)遺傳算法；神經(jīng)網(wǎng)絡(luò)；人工智能

中圖分類號(hào)：F224.33" " " " 文獻(xiàn)標(biāo)志碼：A" " " 文章編號(hào)：1673-291X（2024）19-0112-04

一、研究背景

隨著我國(guó)新醫(yī)改不斷深化，公立醫(yī)院對(duì)全面預(yù)算管理提出了更高要求[1，2]。第一，新醫(yī)改政策逐步取消藥品加成，避免醫(yī)院過(guò)度依賴藥品收入，要求醫(yī)院收支更多體現(xiàn)醫(yī)療服務(wù)本身的價(jià)值，這促使醫(yī)院調(diào)整收支結(jié)構(gòu)，加強(qiáng)醫(yī)療服務(wù)項(xiàng)目的預(yù)算管理。第二，新醫(yī)改政策強(qiáng)化醫(yī)院績(jī)效考核，要求將預(yù)算執(zhí)行情況、成本控制、質(zhì)量安全等指標(biāo)納入考核范圍，促使醫(yī)院加強(qiáng)全面預(yù)算管理，提高資金使用效率。第三，新醫(yī)改政策鼓勵(lì)公立醫(yī)院實(shí)施分類管理，根據(jù)醫(yī)院的功能定位、業(yè)務(wù)特點(diǎn)等差異化管理，并將差異化需求體現(xiàn)在醫(yī)院預(yù)算管理中。第四，新醫(yī)改政策要求公立醫(yī)院更好地發(fā)揮公共衛(wèi)生服務(wù)職能[3]，這需要醫(yī)院在預(yù)算編制和執(zhí)行中更多考慮公共利益，合理配置資源。第五，新醫(yī)改政策鼓勵(lì)醫(yī)院加強(qiáng)信息化建設(shè)，為醫(yī)院全面預(yù)算管理提供技術(shù)支撐，從而提高預(yù)算管理效率?？偠灾?，現(xiàn)階段公立醫(yī)院亟須立足于自身實(shí)際情況，深刻理解新醫(yī)改政策，對(duì)全面預(yù)算管理方法進(jìn)行針對(duì)性變革。

公立醫(yī)院預(yù)算管理包含預(yù)算編制、預(yù)算執(zhí)行、預(yù)算考核三個(gè)環(huán)節(jié)。其中，預(yù)算編制是指公立醫(yī)院結(jié)合自身情況及國(guó)家法規(guī)政策，制定未來(lái)一段時(shí)間內(nèi)的財(cái)務(wù)收支計(jì)劃和資源配置方案的過(guò)程。預(yù)算編制包括收入預(yù)算編制和支出預(yù)算編制，與收入預(yù)算相比，支出預(yù)算可控性更強(qiáng)，預(yù)算編制人員可以結(jié)合實(shí)際情況和發(fā)展目標(biāo)對(duì)各類支出項(xiàng)目進(jìn)行優(yōu)化編制。一個(gè)好的支出預(yù)算編制方案能夠極大提升公立醫(yī)院的資源配置效率。然而，由于長(zhǎng)期以來(lái)受重醫(yī)療輕管理的傳統(tǒng)觀念影響，加之新醫(yī)改帶來(lái)的新要求和挑戰(zhàn)，很多公立醫(yī)院目前采用的支出預(yù)算編制方法的客觀性和科學(xué)性不足，無(wú)法適應(yīng)新的發(fā)展形勢(shì)，嚴(yán)重阻礙了醫(yī)院經(jīng)濟(jì)效益的提高，也影響了醫(yī)院服務(wù)質(zhì)量和發(fā)展的可持續(xù)性[4]。

公立醫(yī)院作為一個(gè)復(fù)雜的經(jīng)濟(jì)體，其支出預(yù)算編制面臨著諸多挑戰(zhàn)。一方面，公立醫(yī)院需要在有限的資源條件下，滿足醫(yī)療質(zhì)量、患者體驗(yàn)、財(cái)務(wù)效益等多重目標(biāo)；另一方面，公立醫(yī)院的收支結(jié)構(gòu)復(fù)雜[5]，醫(yī)療業(yè)務(wù)收入、財(cái)政補(bǔ)助收入、科教項(xiàng)目收入、藥品支出、衛(wèi)生材料支出等均受到政策法規(guī)、市場(chǎng)環(huán)境等諸多因素的影響。目前公立醫(yī)院大多采用基于增長(zhǎng)系數(shù)的支出預(yù)算編制方法，即將歷史預(yù)決算數(shù)據(jù)乘以一個(gè)增長(zhǎng)系數(shù)作為下一年的預(yù)算數(shù)據(jù)，這種粗放式的支出預(yù)算編制方法無(wú)法充分考慮醫(yī)院業(yè)務(wù)類型、收支結(jié)構(gòu)以及國(guó)家政策等因素的變化，不利于發(fā)現(xiàn)和解決預(yù)算編制過(guò)程中存在的問(wèn)題，在后續(xù)預(yù)算執(zhí)行的過(guò)程中也難以保證預(yù)算的順利執(zhí)行。

近年來(lái)，人工智能技術(shù)與公立醫(yī)院財(cái)務(wù)大數(shù)據(jù)快速融合，為公立醫(yī)院全面預(yù)算管理的科學(xué)化和智能化提供了新思路。人工智能算法包括專家系統(tǒng)、模糊邏輯、元啟發(fā)式算法、機(jī)器學(xué)習(xí)等。遺傳算法是一種典型的元啟發(fā)式算法，它是一種模擬生物進(jìn)化過(guò)程的隨機(jī)搜索算法，具有較好的全局尋優(yōu)能力和適應(yīng)性，目前已被應(yīng)用于公立醫(yī)院全面預(yù)算管理。劉紹鍇等人將遺傳算法應(yīng)用于醫(yī)療設(shè)備更新決策優(yōu)化，有效優(yōu)化了醫(yī)療設(shè)備更新清單，避免更換需要消耗大量可用預(yù)算的設(shè)備[6]。呂小平、姚申思和王猛提出基于自適應(yīng)多種群遺傳算法的醫(yī)療服務(wù)備件庫(kù)存優(yōu)化方法，有效解決了醫(yī)療服務(wù)備件庫(kù)存成本問(wèn)題[7，8]。杜雨芮通過(guò)遺傳算法提出了公立醫(yī)院在突發(fā)疫情情況下的應(yīng)急預(yù)算動(dòng)態(tài)分配策略，通過(guò)應(yīng)急預(yù)算的動(dòng)態(tài)調(diào)整分配來(lái)減少疫情造成的損失[9]?？梢钥闯?，遺傳算法在公立醫(yī)院全面預(yù)算管理中具有較強(qiáng)的應(yīng)用潛力，但現(xiàn)有文獻(xiàn)并未研究如何將遺傳算法與公立醫(yī)院支出預(yù)算編制有機(jī)結(jié)合，也未考慮多重預(yù)算目標(biāo)之間的平衡。此外，吳晉垣提出了基于神經(jīng)網(wǎng)絡(luò)的公立醫(yī)院全面預(yù)算管理方法，也是人工智能與公立醫(yī)院全面預(yù)算管理相結(jié)合的典型案例，但僅是通過(guò)神經(jīng)網(wǎng)絡(luò)擬合了醫(yī)院基本元數(shù)據(jù)到支出項(xiàng)目預(yù)算的關(guān)系，并未提出具體的多目標(biāo)優(yōu)化預(yù)算編制的方法[10]。

針對(duì)上述問(wèn)題，本文提出了一種結(jié)合神經(jīng)網(wǎng)絡(luò)與多目標(biāo)遺傳算法的公立醫(yī)院支出預(yù)算編制方法。首先，構(gòu)建包含醫(yī)療質(zhì)量、患者體驗(yàn)、財(cái)務(wù)效益三大預(yù)算目標(biāo)的公立醫(yī)院全面預(yù)算管理績(jī)效指標(biāo)體系，并對(duì)公立醫(yī)院支出項(xiàng)目進(jìn)行分類總結(jié)。接著，采用BP神經(jīng)網(wǎng)絡(luò)建立支出項(xiàng)目到預(yù)算目標(biāo)的映射關(guān)系，作為遺傳算法的適應(yīng)度函數(shù)。然后，采用NSGA-II多目標(biāo)遺傳算法對(duì)公立醫(yī)院支出預(yù)算優(yōu)化問(wèn)題進(jìn)行求解，通過(guò)交叉、變異等操作，迭代搜索出Pareto最優(yōu)方案前沿。最后，公立醫(yī)院預(yù)算編制人員根據(jù)現(xiàn)實(shí)環(huán)境對(duì)三種預(yù)算目標(biāo)賦權(quán)，選出當(dāng)下最優(yōu)支出預(yù)算編制方案。

二、公立醫(yī)院支出預(yù)算編制分析

首先需要對(duì)公立醫(yī)院支出預(yù)算問(wèn)題進(jìn)行分析，確定支出項(xiàng)目、預(yù)算目標(biāo)以及支出預(yù)算編制過(guò)程中需要考慮的約束條件。

（一）支出項(xiàng)目

由于不同公立醫(yī)院組織架構(gòu)、科室種類、經(jīng)營(yíng)手段、醫(yī)院規(guī)模等方面存在差異，其可控制的支出項(xiàng)目也是不同的。本文在考慮支出項(xiàng)目時(shí)主要選擇公立醫(yī)院的共性資源，將本文方法應(yīng)用于具體公立醫(yī)院時(shí)可以對(duì)此部分進(jìn)行進(jìn)一步細(xì)化調(diào)整。一是財(cái)政補(bǔ)助支出。財(cái)政補(bǔ)助支出是指利用政府提供的公共衛(wèi)生專項(xiàng)資金進(jìn)行的支出項(xiàng)目，包括財(cái)政補(bǔ)助人員經(jīng)費(fèi)、大型醫(yī)療設(shè)備經(jīng)費(fèi)、重點(diǎn)學(xué)科建設(shè)經(jīng)費(fèi)、公共衛(wèi)生服務(wù)經(jīng)費(fèi)等。二是醫(yī)療衛(wèi)生支出。公立醫(yī)院的醫(yī)療衛(wèi)生支出包括人員經(jīng)費(fèi)、衛(wèi)生材料費(fèi)、藥品費(fèi)、設(shè)備費(fèi)、醫(yī)療風(fēng)險(xiǎn)補(bǔ)償費(fèi)、維修維護(hù)費(fèi)等，門類繁雜，可控制性較強(qiáng)，可以根據(jù)科室影響力對(duì)每個(gè)支出項(xiàng)目進(jìn)行進(jìn)一步細(xì)化加權(quán)。三是科教項(xiàng)目支出。科教項(xiàng)目支出用于保證公立醫(yī)院科學(xué)研究和教育培訓(xùn)，高校附屬公立醫(yī)院在該類支出項(xiàng)目上還需滿足一定的業(yè)績(jī)考核，科教項(xiàng)目支出具體包括學(xué)科建設(shè)經(jīng)費(fèi)、科研專項(xiàng)經(jīng)費(fèi)、臨床試驗(yàn)項(xiàng)目經(jīng)費(fèi)、教學(xué)專項(xiàng)經(jīng)費(fèi)等。四是其他支出。除上述支出項(xiàng)目外，公立醫(yī)院支出預(yù)算還包括其他項(xiàng)目，如其他后勤保障經(jīng)費(fèi)、公益慈善經(jīng)費(fèi)、工會(huì)經(jīng)費(fèi)等。這些支出通常占比較小，但也對(duì)公立醫(yī)院的知名度和凝聚力有一定影響。本文最終選取的支出預(yù)算項(xiàng)目如表1所示。

（二）預(yù)算目標(biāo)

2021年國(guó)務(wù)院辦公廳印發(fā)《關(guān)于推動(dòng)公立醫(yī)院高質(zhì)量發(fā)展的意見》指出，公立醫(yī)院應(yīng)能夠滿足民眾醫(yī)療需求，合理控制用藥成本，提高職工薪酬。在此基礎(chǔ)上，本文總結(jié)了公立醫(yī)院全面預(yù)算目標(biāo)為改善醫(yī)療質(zhì)量、提升患者體驗(yàn)、提高財(cái)務(wù)效益，并將其量化并歸一化作為支出預(yù)算編制的參考指標(biāo)。

一是醫(yī)療質(zhì)量。醫(yī)療質(zhì)量是公立醫(yī)院核心競(jìng)爭(zhēng)力的體現(xiàn)，也是患者最關(guān)心的重點(diǎn)。本文從診療效果、醫(yī)療安全、技術(shù)水平、服務(wù)效率四個(gè)方面構(gòu)建醫(yī)療質(zhì)量指標(biāo)模型，綜合評(píng)價(jià)公立醫(yī)院的整體醫(yī)療質(zhì)量。

其中，Y1表示醫(yī)療質(zhì)量綜合指標(biāo)，y11—y14分別表示診療效果、醫(yī)療安全、技術(shù)水平、服務(wù)效率四個(gè)方面的具體指標(biāo)，w11—w14分別表示這四個(gè)具體醫(yī)療質(zhì)量指標(biāo)的權(quán)重。

二是患者體驗(yàn)?；颊唧w驗(yàn)是公立醫(yī)院服務(wù)質(zhì)量的重要體現(xiàn)，也是公立醫(yī)院獲得社會(huì)認(rèn)可的關(guān)鍵。本文從診療時(shí)間、投訴率、醫(yī)院環(huán)境、信息化程度四個(gè)方面構(gòu)建患者體驗(yàn)指標(biāo)模型，綜合評(píng)價(jià)患者的整體滿意度。

其中，Y2表示患者體驗(yàn)綜合指標(biāo)，y21—y24分別表示診療時(shí)間、投訴率、醫(yī)院環(huán)境、信息化程度四個(gè)方面的具體指標(biāo)，w21—w24分別表示這四個(gè)具體患者體驗(yàn)指標(biāo)的權(quán)重。

三是財(cái)務(wù)效益。財(cái)務(wù)效益是確保公立醫(yī)院持續(xù)發(fā)展的重要保證，也是預(yù)算管理的重點(diǎn)考量因素。本文從醫(yī)療服務(wù)收益率和資產(chǎn)收益率兩方面構(gòu)建總體財(cái)務(wù)效益指標(biāo)模型。

其中，Y3表示患者體驗(yàn)綜合指標(biāo)，y31—y32分別表示醫(yī)療服務(wù)收益率、資產(chǎn)收益率兩個(gè)方面的具體指標(biāo)，w31—w32分別表示這兩個(gè)具體財(cái)務(wù)效益指標(biāo)的權(quán)重。

公立醫(yī)院預(yù)算目標(biāo)的指標(biāo)總結(jié)如表2所示。

表2" 公立醫(yī)院預(yù)算目標(biāo)指標(biāo)

各項(xiàng)指標(biāo)權(quán)重需根據(jù)結(jié)合公立醫(yī)院經(jīng)營(yíng)情況及發(fā)展規(guī)劃進(jìn)一步確定。

（三）約束條件

在進(jìn)行支出預(yù)算編制時(shí)，各支出項(xiàng)目預(yù)算應(yīng)滿足一定約束條件以保證支出預(yù)算方案的合法性與可行性，具體如下。一是法律法規(guī)約束。公立醫(yī)院必須按照相關(guān)法律法規(guī)的規(guī)定，合理安排各項(xiàng)支出。二是政策導(dǎo)向約束。公立醫(yī)院需要根據(jù)政府部門頒布的相關(guān)政策，合理確定支出項(xiàng)目和支出規(guī)模。三是財(cái)政預(yù)算約束。公立醫(yī)院的支出預(yù)算需要在財(cái)政部門核定的預(yù)算范圍內(nèi)決策和執(zhí)行。四是績(jī)效考核約束。公立醫(yī)院的支出項(xiàng)目需要與公立醫(yī)院的績(jī)效目標(biāo)和考核指標(biāo)相匹配。五是內(nèi)部管理約束。公立醫(yī)院內(nèi)部的財(cái)務(wù)管理制度會(huì)對(duì)不同支出項(xiàng)目的決策和執(zhí)行提出具體要求。

三、基于BP神經(jīng)網(wǎng)絡(luò)的適應(yīng)度函數(shù)

由于公立醫(yī)院支出項(xiàng)目和預(yù)算目標(biāo)眾多，相互之間耦合復(fù)雜，難以列出明確的數(shù)學(xué)表達(dá)式。例如，新型醫(yī)療設(shè)備購(gòu)置與醫(yī)療技術(shù)發(fā)展和醫(yī)院經(jīng)濟(jì)成本之間的關(guān)系復(fù)雜、科教項(xiàng)目支出與醫(yī)療技術(shù)發(fā)展和人員成本之間的關(guān)系復(fù)雜。因此，本文采用BP神經(jīng)網(wǎng)絡(luò)來(lái)擬合各支出項(xiàng)目到預(yù)算目標(biāo)之間的映射關(guān)系，為后續(xù)進(jìn)行多目標(biāo)優(yōu)化提供適應(yīng)度函數(shù)。

BP神經(jīng)網(wǎng)絡(luò)在1986年由Rumelhart和McCelland提出，是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP神經(jīng)網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入—輸出模式映射關(guān)系，而無(wú)須事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程，非常適合用于研究公立醫(yī)院支出項(xiàng)目對(duì)醫(yī)院醫(yī)療水平、患者體驗(yàn)、財(cái)務(wù)效益的影響。

BP神經(jīng)網(wǎng)絡(luò)包括輸入層、隱藏層和輸出層三個(gè)部分。其中隱藏層是整個(gè)神經(jīng)網(wǎng)絡(luò)的核心，其作用包括：特征提取、非線性轉(zhuǎn)換以及數(shù)據(jù)壓縮等。神經(jīng)網(wǎng)絡(luò)的輸入層、輸出層分別為所擬合的映射函數(shù)的自變量和因變量。對(duì)公立醫(yī)院支出預(yù)算編制問(wèn)題而言，輸入層即為公立醫(yī)院預(yù)算支出項(xiàng)目，如表1所示。輸出層即為公立醫(yī)院預(yù)算目標(biāo)，如表2所示。最終擬訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)示意圖如圖1所示。

利用BP神經(jīng)網(wǎng)絡(luò)擬合公立醫(yī)院支出項(xiàng)目到預(yù)算目標(biāo)的映射關(guān)系的步驟如下。一是數(shù)據(jù)準(zhǔn)備。收集公立醫(yī)院歷史數(shù)據(jù)，包括各項(xiàng)支出項(xiàng)目的具體數(shù)值以及對(duì)應(yīng)的預(yù)算目標(biāo)實(shí)現(xiàn)情況，確保數(shù)據(jù)的準(zhǔn)確性和完整性。二是數(shù)據(jù)預(yù)處理。對(duì)收集到的數(shù)據(jù)進(jìn)行預(yù)處理，包括數(shù)據(jù)清洗、缺失值處理、數(shù)據(jù)標(biāo)準(zhǔn)化等，以確保數(shù)據(jù)的質(zhì)量和一致性。三是神經(jīng)網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)。確定BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，包括輸入層的節(jié)點(diǎn)數(shù)（對(duì)應(yīng)支出預(yù)算項(xiàng)目）、隱藏層的節(jié)點(diǎn)數(shù)和層數(shù)、輸出層的節(jié)點(diǎn)數(shù)（對(duì)應(yīng)預(yù)算目標(biāo)）等。四是數(shù)據(jù)劃分。將數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集，通常80%的數(shù)據(jù)作為訓(xùn)練集，20%數(shù)據(jù)作為測(cè)試集。五是神經(jīng)網(wǎng)絡(luò)訓(xùn)練。使用訓(xùn)練集對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，通過(guò)不斷調(diào)整網(wǎng)絡(luò)參數(shù)（如權(quán)重和閾值），使網(wǎng)絡(luò)輸出逼近實(shí)際的預(yù)算目標(biāo)。六是神經(jīng)網(wǎng)絡(luò)驗(yàn)證。使用測(cè)試集對(duì)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行驗(yàn)證，評(píng)估其對(duì)新數(shù)據(jù)的泛化能力，檢驗(yàn)擬合效果。

四、基于NSGA-II的支出預(yù)算編制方法

（一）NSGA-II算法流程

在所有多目標(biāo)進(jìn)化算法中，NSGA-II是最流行的方法之一，其結(jié)合了非支配解、擁擠度等概念，降低了非劣排序遺傳算法的復(fù)雜性，具有運(yùn)行速度快，解集的收斂性好的優(yōu)點(diǎn)。NSGA-II流程圖如圖2所示。

（二）NSGA-II應(yīng)用于支出預(yù)算編制

醫(yī)院支出預(yù)算編制問(wèn)題中包含三個(gè)預(yù)算優(yōu)化目標(biāo)，分別是醫(yī)療質(zhì)量、患者體驗(yàn)和財(cái)務(wù)收益，因此該問(wèn)題是一個(gè)典型的多目標(biāo)優(yōu)化問(wèn)題。假設(shè)現(xiàn)有兩種支出預(yù)算方案A和B對(duì)應(yīng)的歸一化后的三種預(yù)算目標(biāo)可以分別表示為（Y1，Y2，Y3）=（0.5，0.3，1）和（Y1，Y2，Y3）=（0.6，0.4，0.5），支出預(yù)算方案A在財(cái)務(wù)收益方面顯著優(yōu)于方案B，但方案B在醫(yī)療質(zhì)量和患者體驗(yàn)方面都優(yōu)于方案A，此時(shí)若三種預(yù)算目標(biāo)的權(quán)重未知，則難以界定這兩個(gè)方案哪一個(gè)是更優(yōu)的。上述例子中的這兩種方案之間的關(guān)系稱為多目標(biāo)優(yōu)化問(wèn)題中的非支配關(guān)系，即一個(gè)解沒有在任何方面都優(yōu)于另一個(gè)解。研究多目標(biāo)優(yōu)化問(wèn)題的目的就是找出所有的非支配解，對(duì)應(yīng)到本文研究的問(wèn)題也就是找出所有非支配的支出預(yù)算編制方案的最優(yōu)解集，供醫(yī)院預(yù)算決策者選擇。醫(yī)院預(yù)算的決策者在得到最優(yōu)解集后，還可以進(jìn)一步根據(jù)醫(yī)院現(xiàn)狀及社會(huì)發(fā)展環(huán)境對(duì)三個(gè)預(yù)算優(yōu)化目標(biāo)進(jìn)行賦權(quán)，進(jìn)而得到最終的支出預(yù)算編制方案。

將NSGA-II多目標(biāo)優(yōu)化算法應(yīng)用于公立醫(yī)院支出預(yù)算編制問(wèn)題，需要構(gòu)建支出預(yù)算編制的多目標(biāo)優(yōu)化問(wèn)題模型以及適應(yīng)度函數(shù)。

刻畫多目標(biāo)優(yōu)化問(wèn)題模型包括確定其待優(yōu)化參數(shù)、優(yōu)化目標(biāo)和約束條件。公立醫(yī)院支出預(yù)算編制問(wèn)題的待優(yōu)化參數(shù)即為各支出項(xiàng)目預(yù)算，優(yōu)化目標(biāo)即為醫(yī)療質(zhì)量、患者體驗(yàn)和財(cái)務(wù)收益三大指標(biāo)。本文所提方法中，約束條件是通過(guò)罰函數(shù)實(shí)現(xiàn)的，當(dāng)某個(gè)個(gè)體的染色體或適應(yīng)度超出約束條件允許的范圍時(shí)，設(shè)計(jì)罰函數(shù)大幅降低其適應(yīng)度，這樣可以將其排除在最終生成的方案集合之外。另一方面，本文采用BP神經(jīng)網(wǎng)絡(luò)，通過(guò)往年財(cái)務(wù)大數(shù)據(jù)擬合出公立醫(yī)院預(yù)算支出項(xiàng)目到公立醫(yī)院預(yù)算目標(biāo)的映射關(guān)系，將其作為公立醫(yī)院預(yù)算編制的適應(yīng)度函數(shù)。

通過(guò)上述多目標(biāo)遺傳算法的迭代優(yōu)化，最終可以得到一系列Pareto最優(yōu)方案前沿。Pareto最優(yōu)方案前沿是一個(gè)最優(yōu)解組合，每一個(gè)解相互之間都是非支配的，即不可能存在某個(gè)解在三個(gè)優(yōu)化目標(biāo)方面都優(yōu)于另一個(gè)解。因此這些解都是可行解，具體選擇最終預(yù)算編制方案的時(shí)候，還需要對(duì)三個(gè)優(yōu)化目標(biāo)進(jìn)行進(jìn)一步加權(quán)求和，遴選出符合公立醫(yī)院發(fā)展需求的最優(yōu)方案。

五、結(jié)論與展望

本文提出了一種結(jié)合神經(jīng)網(wǎng)絡(luò)與多目標(biāo)遺傳算法的公立醫(yī)院支出預(yù)算編制方法，與傳統(tǒng)方法相比，該方法立足于客觀數(shù)據(jù)分析，能夠顯著提高預(yù)算資源的利用效率，為公立醫(yī)院的持續(xù)發(fā)展提供有力支撐。未來(lái)，將進(jìn)一步深入研究公立醫(yī)院全面預(yù)算管理優(yōu)化領(lǐng)域，探索更多的智能優(yōu)化算法及其在全面預(yù)算管理中的應(yīng)用，為公立醫(yī)院管理帶來(lái)更多的創(chuàng)新和價(jià)值。

參考文獻(xiàn)：

[1]" "周海平.公立醫(yī)院醫(yī)療設(shè)備預(yù)算管理的優(yōu)化：基于H公立醫(yī)院項(xiàng)目庫(kù)建設(shè)案例分析[J].管理會(huì)計(jì)研究，2021，4（5）：74-80，88.

[2]" "靳朝霞.FS公立醫(yī)院全面預(yù)算管理優(yōu)化研究[D].北京：北方工業(yè)大學(xué)，2024.

[3]" "那曉紅，江其玟，田晉瑜.高質(zhì)量發(fā)展背景下公立醫(yī)院全面預(yù)算管理探討[J].中國(guó)公立醫(yī)院，2023，27（11）：1-5.

[4]" "廖靜.新醫(yī)改背景下公立醫(yī)院財(cái)務(wù)預(yù)算管理與成本控制問(wèn)題的探討[J].財(cái)會(huì)學(xué)習(xí)，2024（14）：107-109.

[5]" "李欣欣，何娟.新醫(yī)改背景下公立醫(yī)院收支結(jié)構(gòu)優(yōu)化管理實(shí)踐[J].現(xiàn)代經(jīng)濟(jì)信息，2019（11）：205-206.

[6]" "劉紹鍇，張方圓，朱海煜，等.基于自適應(yīng)多種群遺傳算法的可修醫(yī)療服務(wù)備件庫(kù)存優(yōu)化研究[J].醫(yī)療衛(wèi)生裝備，2015，36（12）：1-6.

[7]" "呂小平.基于遺傳算法的醫(yī)療設(shè)備更新決策優(yōu)化[J].醫(yī)療裝備，2021，34（1）：11-14.

[8]" "姚申思，王猛.基于預(yù)算約束遺傳算法的醫(yī)療設(shè)備更換決策輔助方法[J].現(xiàn)代科學(xué)儀器，2023，40（3）：126-131.

[9]" "杜雨芮.突發(fā)疫情環(huán)境下的應(yīng)急預(yù)算動(dòng)態(tài)分配策略研究[D].南京：南京理工大學(xué)，2021.

[10]" "吳晉垣.神經(jīng)網(wǎng)絡(luò)在公立醫(yī)院全面預(yù)算管理中的應(yīng)用[J].中國(guó)公立醫(yī)院建筑與裝備，2017，18（6）：88-91.

[責(zé)任編輯" "白" "雪]