预计年底上线！中国附医要靠ML精准预测422种手术时间，让手术排程更有效率

中国医药大学附设医院（简称中国附医）开发了一套手术排程模型，可根据病患状况，来准确预测手术所需的时间，已经可以预测25个科别、共422种手术的时间。透过这套模型，医院能掌握手术室使用时间，省下不必要的闲置时间成本、提高利用率。中国附医预计在今年底，将这套模型实际用于临床手术排程。

用数十万笔资料来打造精准排程系统

开发这套模型的成员之一、中国附医智慧医疗科技创新中心主任游家鑫指出，开一台刀这涉及了复杂的医疗资源准备，比如血袋、手术器具、开刀医生、护士、麻醉师、麻醉技师，以及病人的术前准备、麻醉术后的恢复室安排等。

因此，精准预测手术时间，能提高手术室的使用率。而医院最常见的预测方法，不外乎是取外科医生开刀纪录的平均值，或是取电子病历（EMR）排程系统中，某项手术的平均值。

但这些方法，忽略了影响手术的变数，比如特定患者的病况、手术团队、麻醉等问题。不准确的手术预测时间，更会导致手术延期或取消。

为改善这个状况，今年初，智慧医疗科技创新中心联手中国附医神经外科医生暨院长周德阳，决定打造一套ML手术时间预测模型。他们首先收集了中国附医2017年至2019年、共17万笔的EMR资料，更从70种参数中，筛选出重要的24种，像是病患的年龄、性别、ICD编码，还有主治医生年龄性别、外科手术团队人数、科别，以及手术类型、麻醉类型等。此外，“我们也考虑了医生和手术室在开刀前，是否还有上一场手术。”

再来，团队开始清洗这些资料，排除了手术时间大于10小时和少于10分钟的案例，也剔除同时进行两场以上的手术案例，还有患者小于20岁以及紧急刀和抢救刀等例子。

之后，团队将剩下的14万笔资料分为两部分，利用其中的11万笔来训练模型，再用剩下的2万8千笔来验证。在模型训练部分，团队采用了线性回归模型、XGBoost模型、随机森林和对数转换线性回归（Log transformed linear regression）模型来训练。

训练好后，除了利用原本的资料来验证，团队也额外收集了今年3月至4月的7,000多笔资料，来进行测试。在评估这几个模型时，团队发现，XGBoost表现最好，其R²决定系数值可达0.85。一般来说，R²越接近1，表示模型的解释力越高。游家鑫指出，这套模型已达临床可用的程度。

预计年底上线，全面数字化手术排程

中国附医团队也将这次开发经历写成论文，现在，团队也正将这套模型打造成一套手术排程系统，并纳入急救刀和抢救刀两个因素，甚至是病人转送流程的时间，要让系统动态调整预测时间。此外，团队也透过神经外科院长的试用，来同时改善使用者体验。

游家鑫也揭露，在今年底前，这套系统会实际应用于中国附医的临床手术排程，将过去仰赖人工在白板手写的模式，全面数字化。文◎王若朴