【数据技术】医院如何提升床位资源配置效率？高级数据分析师这样说( 二 ) _健康小知识

病床使用率bur=每天在院数量/每天病床量
⑤模型预测：得到病床配置区间和共享病床量
基于强化学习环境的搭建，在病床资源优化中考虑了疾病的特殊性（例如季节性疾病乙型脑炎、脑出血）和医院自身情况（例如医生调岗），同时，考虑到患者的特征、住院时间、住院天数。通过强化学习模拟住院场景，智能体根据数据信息合理的选择加减病床，做到病床不浪费、不占床的目的。
2.病床资源配置结果展示
基于某病区病案首页数据，采用强化学习算法预测主诊医生病床区间、共享病床量，并通过KPI值计算基础病床量，结果如下表所示：

文章图片
图源：厚立医视野
优化前后病床使用率对比

文章图片
图源：厚立医视野
上表可以看出经过强化学习优化各主诊医生病床使用率有了较大提升，避免了病床资源浪费。
3
总结
本篇文章引出医疗病床资源急需合理优化的思考和实际病床分配中存在的难题，提出强化学习算法来解决复杂的病床配置。强化学习模拟患者入出院过程，通过最大化奖励值获得各医疗小组的病床预测区间、共享床位量，有效地提升了病床使用率。
医院精细化管理过程中，强化学习模型不仅可以解决病床配置问题，还可以应用到更多的资源优化管理，甚至医疗效率、医疗效益等优化管理问题。医疗大数据分析信息化工具中引入基于神经网络算法的疾病风险建模，在医疗控费中取得了显著效果，强化学习的加入为医疗决策、资源优化提供了算法支撑，提高了信息化管理工具的深度。相信未来强化学习可以应用到更多的医疗场景，为医疗运营管理提供有力的决策支持。
本文作者

文章图片
图源：厚立医视野返回搜狐，查看更多
责任编辑：